Prolactin and DNA damage trigger an anti-breast cancer cell immune response
Notice bibliographique
Résumé
Introduction The role of prolactin (PRL) in breast cancer and its role within the context of the tumor microenvironment are not well understood. In our previous study, we demonstrated a cross-talk between the ataxia telangiectasia-mutated (ATM) DNA damage response pathway and the PRL-Janus-kinase-2 (JAK2)-signal transducer and activator of transcription-5 (STAT5)-heat shock protein-90 (HSP90) pathway. Here we investigated the role of PRL in tumor initiation and the effect of DNA damage. Methods We used an in vivo model to assess the ability of breast cancer cells to initiate orthotopic xenograft tumor formation after DNA damage. Breast cancer cells engineered to secrete human PRL were treated with the DNA damaging agent doxorubicin and injected into the mammary fat pad of immune-deficient severe combined immunodeficiency disease (SCID) mice. Results Doxorubicin and PRL combination increased the tumor latency, although PRL secretion alone did not change the tumor latency compared to the controls. Depletion of glycolipid asialo ganglioside-GM1-positive immune cells using anti-asialo GM1 antibody resulted in faster tumor formation only in the PRL-secreting breast cancer cells that were pre-treated with doxorubicin. Additionally, doxorubicin plus the PRL treatment of breast cancer cells was shown in vitro to attract cytotoxic NK cells compared to the controls, and this was dependent on the PRLR. Discussion These results demonstrate that combined breast cancer cell DNA damage and PRL exposure results in the anti-tumor cell activity of asialo-GM1-positive immune cells.
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 ».