Cancer–stromal cell interactions in breast cancer brain metastases induce glycocalyx-mediated resistance to HER2-targeting therapies
Notice bibliographique
Résumé
Brain metastatic breast cancer is particularly lethal largely due to therapeutic resistance. Almost half of the patients with metastatic HER2-positive breast cancer develop brain metastases, representing a major clinical challenge. We previously described that cancer-associated fibroblasts are an important source of resistance in primary tumors. Here, we report that breast cancer brain metastasis stromal cell interactions in 3D cocultures induce therapeutic resistance to HER2-targeting agents, particularly to the small molecule inhibitor of HER2/EGFR neratinib. We investigated the underlying mechanisms using a synthetic Notch reporter system enabling the sorting of cancer cells that directly interact with stromal cells. We identified mucins and bulky glycoprotein synthesis as top-up-regulated genes and pathways by comparing the gene expression and chromatin profiles of stroma-contact and no-contact cancer cells before and after neratinib treatment. Glycoprotein gene signatures were also enriched in human brain metastases compared to primary tumors. We confirmed increased glycocalyx surrounding cocultures by immunofluorescence and showed that mucinase treatment increased sensitivity to neratinib by enabling a more efficient inhibition of EGFR/HER2 signaling in cancer cells. Overexpression of truncated MUC1 lacking the intracellular domain as a model of increased glycocalyx-induced resistance to neratinib both in cell culture and in experimental brain metastases in immunodeficient mice. Our results highlight the importance of glycoproteins as a resistance mechanism to HER2-targeting therapies in breast cancer brain metastases.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| 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 ».