Comprehensive transcriptomic analysis in wild-type and ATM knockout lung cancer cells: Influence of cisplatin on oxidative stress-induced senescence
Notice bibliographique
Résumé
Genetic mutations and impaired DNA repair mechanisms in cancer not only facilitate tumor progression but also reduce the effectiveness of chemotherapeutic agents, particularly cisplatin. Combination therapy has emerged as a promising strategy to overcome resistance. Comprehensive transcriptomic analyses, supported by integrated comparative bioinformatics and experimental approaches, are essential for identifying biomarkers and novel therapeutic targets underlying drug resistance. In this study, we performed overall survival and mutation analyses, examining 23 double-strand break repair proteins across more than 7500 tumors spanning 23 distinct cancer types. Our findings identify ATM (ataxia-telangiectasia mutated) as a key protein with the highest mutation frequency. Using CRISPR/Cas9, we investigated the effects of ATM mutations on signalling pathways that influence the cellular response to cisplatin. ATM knockout enhanced cisplatin cytotoxicity by activating alternative cell death pathways, including oxidative stress-induced senescence and necroptosis. Microarray analysis revealed a regulatory interplay between ATM and NRF2 in the activation of oxidative stress-induced senescence. Specifically, ATM knockout promoted senescence by increasing reactive oxygen species (ROS) accumulation and downregulating NRF2 expression. To enhance combination therapy, integrating genetic profiling with advanced tools such as CRISPR/Cas9 to target oxidative stress-induced senescence may provide innovative strategies to overcome drug resistance, thereby advancing personalized cancer treatment. These approaches lay the foundation for the development of personalized cancer therapies tailored to the unique mutational landscape of individual patients, offering promising prospects for improving treatment 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) | 0,000 | 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 ».