Acvr1b Loss Increases Formation of Pancreatic Precancerous Lesions From Acinar and Ductal Cells of Origin
Notice bibliographique
Résumé
BACKGROUND & AIMS: Pancreatic ductal adenocarcinoma can develop from precursor lesions, including pancreatic intraepithelial neoplasia and intraductal papillary mucinous neoplasm (IPMN). Previous studies indicated that loss of Acvr1b accelerates the Kras-mediated development of papillary IPMN in the mouse pancreas; however, the cell type predominantly affected by these genetic changes remains unclear. METHODS: mice) cells in mice. We then performed magnetic resonance imaging and a thorough histopathologic analysis of their pancreatic tissues. RESULTS: The loss of Acvr1b increased the development of pancreatic intraepithelial neoplasia and IPMN-like lesions when either acinar or ductal cells expressed a Kras mutation. Magnetic resonance imaging, immunohistochemistry, and histology revealed large IPMN-like lesions in these mice that exhibited features of flat, gastric epithelium. In addition, cyst formation in both mouse models was accompanied by chronic pancreatitis. Experimental acute pancreatitis accelerated the development of large mucinous cysts and pancreatic intraepithelial neoplasia when acinar, but not ductal, cells expressed mutant Kras and lost Acvr1b. CONCLUSIONS: These findings indicate that loss of Acvr1b in the presence of the Kras oncogene promotes the development of large and small precancerous lesions from both ductal and acinar cells. However, the IPMN-like phenotype was not equivalent to that observed when these mutations were made in all pancreatic cells during development. Our study underscores the significance of the cellular context in the initiation and progression of precursor lesions from exocrine cells.
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 | 0,001 |
| 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 ».