The Small GTPase Ran Increases Sensitivity of Ovarian Cancer Cells to Oncolytic Vesicular Stomatitis Virus
Notice bibliographique
Résumé
Background/Objectives: Ovarian cancer is the deadliest gynecologic cancer, and with the majority of patients dying within the first five years of diagnosis, new therapeutic options are required. The small guanosine triphosphatase (GTPase) Ras-related nuclear protein (Ran) has been reported to be highly expressed in high-grade serous ovarian cancers (HGSOCs) and associated with poor outcomes. Blocking Ran function or preventing its expression were shown to be promising treatment strategies, however, there are currently no small molecule inhibitors available to specifically inhibit Ran function. Interestingly, a previous study suggested that the Vesicular stomatitis virus (VSV) could inhibit Ran activity. Given that VSV is an oncolytic virus (OV) and, therefore, has anti-cancer activity, we reasoned that oncolytic VSV (oVSV) might be particularly effective against ovarian cancer via Ran inhibition. Methods: We evaluated the sensitivity of patient-derived ovarian cancer cell lines to oVSV, as well as the impact of oVSV on Ran and vice versa, using overexpression systems, small interfering RNAs (siRNAs), and drug inhibition. Results: In this study, we evaluated the interplay between oVSV and Ran and found that, although oVSV does not consistently block Ran, increased Ran activation allows for better oVSV replication and tumor cell killing. Conclusions: Our study reveals a positive impact of Ran on oVSV sensitivity. Given the high expression of Ran in HGSOCs, which are particularly aggressive ovarian cancers, our data suggest that oVSV could be effective against the deadliest form of the disease.
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 | 0,000 |
| 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 ».