Therapeutic Exploitation of Neuroendocrine Transdifferentiation Drivers in Prostate Cancer
Notice bibliographique
Résumé
Neuroendocrine prostate cancer (NEPC), an aggressive and lethal subtype of prostate cancer (PCa), often arises as a resistance mechanism in patients undergoing hormone therapy for prostate adenocarcinoma. NEPC is associated with a significantly poor prognosis and shorter overall survival compared to conventional prostate adenocarcinoma due to its aggressive nature and limited response to standard of care therapies. This transdifferentiation, or lineage reprogramming, to NEPC is characterised by the loss of androgen receptor (AR) and prostate-specific antigen (PSA) expression, and the upregulation of neuroendocrine (NE) biomarkers such as neuron-specific enolase (NSE), chromogranin-A (CHGA), synaptophysin (SYP), and neural cell adhesion molecule 1 (NCAM1/CD56), which are critical for NEPC diagnosis. The loss of AR expression culminates in resistance to standard of care PCa therapies, such as androgen-deprivation therapy (ADT) which target the AR signalling axis. This review explores the drivers of NE transdifferentiation. Key genetic alterations, including those in the tumour suppressor genes RB1, TP53, and PTEN, and changes in epigenetic regulators, particularly involving EZH2 and cell-fate-determining transcription factors (TFs) such as SOX2, play significant roles in promoting NE transdifferentiation and facilitate the lineage switch from prostate adenocarcinoma to NEPC. The recent identification of several other key novel drivers of NE transdifferentiation, including MYCN, ASCL1, BRN2, ONECUT2, and FOXA2, further elucidates the complex regulatory networks and pathways involved in this process. We suggest that, given the multifactorial nature of NEPC, novel therapeutic strategies that combine multiple modalities are essential to overcome therapeutic resistance and improve patient outcomes.
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 | 0,000 |
| 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 ».