PTP4A2 Promotes Glioblastoma Progression and Macrophage Polarization under Microenvironmental Pressure
Notice bibliographique
Résumé
Phosphatase of regenerating liver 2 (also known as PTP4A2) has been linked to cancer progression. Still, its exact role in glioblastoma (GBM), the most aggressive type of primary brain tumor, remains elusive. In this study, we report that pharmacologic treatment using JMS-053, a pan-phosphatase of regenerating liver inhibitor, inhibits GBM cell viability and spheroid growth. We also show that PTP4A2 is associated with a poor prognosis in gliomas, and its expression correlates with GBM aggressiveness. Using a GBM orthotopic xenograft model, we show that PTP4A2 overexpression promotes tumor growth and reduces mouse survival. Furthermore, PTP4A2 deletion leads to increased apoptosis and proinflammatory signals. Using a syngeneic GBM model, we show that depletion of PTP4A2 reduces tumor growth and induces a shift in the tumor microenvironment (TME) toward an immunosuppressive state. In vitro assays show that cell proliferation is not affected in PTP4A2-deficient or -overexpressing cells, highlighting the importance of the microenvironment in PTP4A2 functions. Collectively, our results indicate that PTP4A2 promotes GBM growth in response to microenvironmental pressure and support the rationale for targeting PTP4A2 as a therapeutic strategy against GBM. SIGNIFICANCE: High levels of PTP4A2 are associated with poor outcomes in patients with glioma and in mouse models. PTP4A2 depletion increases apoptosis and proinflammatory signals in GBM xenograft models, significantly impacts tumor growth, and rewires the TME in an immunocompetent host. PTP4A2 effects in GBM are dependent on the presence of the TME.
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) | 0,000 | 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 | 0,001 |
| 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 ».