MétaCan
Menu
Retour à la cohorte
Enregistrement W4402838312 · doi:10.1016/j.molmet.2024.102037

Identifying targetable metabolic dependencies across colorectal cancer progression

2024· article· en· W4402838312 sur OpenAlexfundno aff
Danny Legge, T J Collard, Ewelina Stanko, Ashley J. Hoskin, Amy K. Holt, Caroline J. Bull, Madhu Kollareddy, Sarah Groves, H. Eric, Emma Hazelwood, David Qualtrough, Borko Amulic, Karim Malik, Ann C. Williams, Nicholas Jones, Emma E. Vincent

Notice bibliographique

RevueMolecular Metabolism · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesAbove and BeyondMedical Research CouncilUniversity of BristolDiabetes UKJames Tudor FoundationCancer Research UKWorld Cancer Research FundMcGill University
Mots-clésColorectal cancerCancerMedicineOncologyInternal medicineCancer research

Résumé

récupéré en direct d'OpenAlex

Colorectal cancer (CRC) is a multi-stage process initiated through the formation of a benign adenoma, progressing to an invasive carcinoma and finally metastatic spread. Tumour cells must adapt their metabolism to support the energetic and biosynthetic demands associated with disease progression. As such, targeting cancer cell metabolism is a promising therapeutic avenue in CRC. However, to identify tractable nodes of metabolic vulnerability specific to CRC stage, we must understand how metabolism changes during CRC development. Here, we use a unique model system – comprising human early adenoma to late adenocarcinoma. We show that adenoma cells transition to elevated glycolysis at the early stages of tumour progression but maintain oxidative metabolism. Progressed adenocarcinoma cells rely more on glutamine-derived carbon to fuel the TCA cycle, whereas glycolysis and TCA cycle activity remain tightly coupled in early adenoma cells. Adenocarcinoma cells are more flexible with respect to fuel source, enabling them to proliferate in nutrient-poor environments. Despite this plasticity, we identify asparagine (ASN) synthesis as a node of metabolic vulnerability in late-stage adenocarcinoma cells. We show that loss of asparagine synthetase (ASNS) blocks their proliferation, whereas early adenoma cells are largely resistant to ASN deprivation. Mechanistically, we show that late-stage adenocarcinoma cells are dependent on ASNS to support mTORC1 signalling and maximal glycolytic and oxidative capacity. Resistance to ASNS loss in early adenoma cells is likely due to a feedback loop, absent in late-stage cells, allowing them to sense and regulate ASN levels and supplement ASN by autophagy. Together, our study defines metabolic changes during CRC development and highlights ASN synthesis as a targetable metabolic vulnerability in later stage disease. • Adenoma cells elevate glycolysis early in tumour progression but maintain levels of oxidative metabolism. • Adenocarcinoma cells are more flexible with respect to fuel source, enabling proliferation in nutrient-poor environments. • Asparagine synthesis is a node of metabolic vulnerability in late-stage adenocarcinoma cells. • Adenocarcinoma cells are dependent on asparagine synthetase to support mTORC1 signalling and metabolism. • Adenoma cells are resistant to asparagine deprivation, this may be due their ability to supplement it through autophagy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,486
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,316
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular MetabolismMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207