Overcoming retinoic acid resistance in <scp>HER2</scp> ‐enriched breast cancers: role of <scp>MYC</scp>
Notice bibliographique
Résumé
HER2‐enriched (HER2 + ) breast cancers express high levels of the growth‐promoting HER2 protein. Although these cancers are treated with the HER2‐targeted drug, trastuzumab, resistance to treatment is common. Retinoic acid (RA) is an anti‐cancer agent that has been successfully used for the treatment of leukemia and holds promise for the treatment of solid cancers, including breast cancer. The HER2 gene is frequently co‐amplified with RARA , a key determinant of RA sensitivity in breast cancers. It seems surprising, therefore, that HER2 + breast cancers are refractory to RA treatment. Here, we show that MYC mediates RA resistance by suppressing the expression of cellular retinoic acid binding protein 2 (CRABP2), resulting in RARα inactivation. CRABP2 is an intracellular RA transporter that delivers RA to the nuclear receptor RARα for its activation. Our results indicate that response to RA is enhanced by MYC depletion in HER2 + breast cancer cells and that RA treatment enhances trastuzumab responsiveness. Our findings support the use of RA and trastuzumab for the treatment of subsets of patients with breast cancers that are HER2‐RARα co‐amplified and have low levels of MYC.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».