Decoding estrogen receptor and GPER biology: structural insights and therapeutic advances in ERα−positive breast cancer
Notice bibliographique
Résumé
Classical estrogen receptors, ERα and ERβ, along with the membrane-bound G-protein-coupled estrogen receptor (GPER), play critical roles in driving ERα−positive breast cancer (BC). Clinical management of this subtype relies on endocrine therapy (ET), which targets ER signaling through selective estrogen receptors modulators (SERMs), degraders (SERDs), and aromatase inhibitors (AIs). While ET has significantly reduced recurrence and mortality rates, acquired resistance remains a major therapeutic challenge. Activating ESR1 mutations, which encode constitutively active ERα variants, are detected in 30-50% of therapy-resistant metastatic ERα−positive BC and serve as emerging biomarkers of poor prognosis. These hot-spot mutations stabilize ERα in its agonist conformation, thereby enabling ligand-independent transcriptional activation. Understanding the conformational constraints that keep wild-type ERα in an “off-state” in the absence of ligand—and how activating ESR1 mutations disrupt these regulatory mechanisms—is critical for developing effective targeted therapies. Concurrently, GPER-mediated non-genomic signaling, often inadvertently activated by SERMs and SERDs, contributes to tamoxifen resistance. This review explores the structural and functional intricacies of ERα, the impact of ESR1 mutations on its ligand-binding domain (ERα−LBD) and their contribution to ET resistance, and the role of GPER-mediated signaling in ERα−positive BC. We further highlight recent advances in next-generation therapeutics targeting both ERα mutants and GPER, which may offer a more effective, integrated strategy to overcome ET resistance.
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 | 0,001 | 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 ».