Inhibition of TFF3 synergizes with c-MET inhibitors to decrease the CSC-like phenotype and metastatic burden in ER+HER2+ mammary carcinoma
Notice bibliographique
Résumé
The interaction between HER2 and ERα signaling pathways contributes to resistance to anti-estrogen and HER2-targeted therapies, presenting substantial treatment challenges in ER-positive (ER+) HER2-positive (HER2+) mammary carcinoma (MC). Trefoil Factor-3 (TFF3) has been reported to mediate resistance to both anti-estrogen and anti-HER2 targeted therapies in ER+ and ER+HER2+ MC, respectively. Herein, the function and mechanism of TFF3 in ER+HER2+ MC were delineated; and novel combinatorial therapeutic strategies were identified. Elevated expression of TFF3 promoted the oncogenicity of ER+HER2+ MC cells, including enhanced cell proliferation, survival, anchorage-independent growth, 3D growth, cancer stem cell-like (CSC-like) phenotype, migration, invasion, and xenograft growth. Targeting TFF3 with an interfering RNA plasmid or a small-molecule inhibitor (AMPC) inhibited these oncogenic characteristics, highlighting the therapeutic potential of targeting TFF3 in ER+HER2+ MC. Furthermore, a high-throughput combinatorial anti-cancer compound library screening revealed that AMPC preferentially synergized with receptor tyrosine kinase c-MET inhibitors (c-METis) to reduce cell survival and the CSC-like phenotype. The combination of AMPC and c-METis also synergistically suppressed the in vivo growth of ER+HER2+ MC cell-derived xenografts and abrogated lung metastasis. Mechanistically, TFF3 was observed to activate c-MET signaling through a positive-feedback loop to enhance the CSC-like phenotype of ER+HER2+ MC. Therefore, proof of concept is provided herein that antagonizing of TFF3 is a promising therapeutic strategy in combination with c-MET inhibition for the treatment of ER+HER2+ MC.
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 | 0,000 |
| 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 ».