Invasive growth of brain metastases is linked to CHI3L1 release from pSTAT3-positive astrocytes
Notice bibliographique
Résumé
BACKGROUND: Compared to minimally invasive brain metastases (MI BrM), highly invasive (HI) lesions form abundant contacts with cells in the peritumoral brain parenchyma and are associated with poor prognosis. Reactive astrocytes (RAs) labeled by phosphorylated STAT3 (pSTAT3) have recently emerged as a promising therapeutic target for BrM. Here, we explore whether the BrM invasion pattern is influenced by pSTAT3+ RAs and may serve as a predictive biomarker for STAT3 inhibition. METHODS: We used immunohistochemistry to identify pSTAT3+ RAs in HI and MI human and patient-derived xenograft (PDX) BrM. Using PDX, syngeneic, and transgenic mouse models of HI and MI BrM, we assessed how pharmacological STAT3 inhibition or RA-specific STAT3 genetic ablation affected BrM growth in vivo. Cancer cell invasion was modeled in vitro using a brain slice-tumor co-culture assay. We performed single-cell RNA sequencing of human BrM and adjacent brain tissue. RESULTS: RAs expressing pSTAT3 are situated at the brain-tumor interface and drive BrM invasive growth. HI BrM invasion pattern was associated with delayed growth in the context of STAT3 inhibition or genetic ablation. We demonstrate that pSTAT3+ RAs secrete Chitinase 3-like-1 (CHI3L1), which is a known STAT3 transcriptional target. Furthermore, single-cell RNA sequencing identified CHI3L1-expressing RAs in human HI BrM. STAT3 activation, or recombinant CHI3L1 alone, induced cancer cell invasion into the brain parenchyma using a brain slice-tumor plug co-culture assay. CONCLUSIONS: Together, these data reveal that pSTAT3+ RA-derived CHI3L1 is associated with BrM invasion, implicating STAT3 and CHI3L1 as clinically relevant therapeutic targets for the treatment of HI BrM.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».