Abstract 2210 To Die or Not to Die: Controlling Death in Breast and Ovarian Cancer Cells with a Novel Pathway Regulating Anticancer Drug
Notice bibliographique
Résumé
Using both orthotopic mouse and patient-derived xenograft models, our non-competitive anticancer drug ErSO induces complete or near-complete regression of advanced ERα+ breast and ovarian cancers. Unlike most cancer drugs, ErSO kills cells via necrosis pathway, a type of cell death that releases Damage Associated Molecular Pattern (DAMPs) from lysed cells and subsequently activates an innate immune response. This ErSO-induced pathway can eradicate deadly metastatic cancers without the resistance seen in modern-day endocrine therapy such as Tamoxifen and Fulvestrant. Mechanistically, ErSO works through ERα to instigate lethal hyperactivation of the anticipatory Unfolded Protein Response (a-UPR), resulting in protein synthesis inhibition, ATP depletion, and cell swelling, followed by membrane rupture. However, the specifics of ErSO-induced cell death were elusive. From a genome-wide CRISPR/Cas9 screening with negative selection against ErSO, the little-studied guanine exchange factor (GEF) FGD3 was identified as a top target. We show that FGD3 knockout protects breast cancer cells from ErSO-induced cell death, which increases the chance of recurrence after removing the treatment. Interestingly, instead of regulating upstream signals in the necrosis pathway, FGD3 regulates actin reorganization to mediate membrane rupture. This indicates that such cytoskeleton regulation plays a critical role in life-death situations, and it becomes relevant to understanding drug sensitivity in relation to FGD3 protein levels in the future when cancer patients are treated with ErSO or its derivatives. This research was supported and funded by the School of Molecular and Cellular Biology Summer Undergraduate Research Fellowship at the University of Illinois at Urbana-Champaign.
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 | 0,000 |
| 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) | 0,000 | 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 ».