LRH-1 interagit avec TEAD4 pour promouvoir la migration et l’invasion d’un modèle cellulaire de cancer du sein triple négatif
Notice bibliographique
Résumé
Depuis 2018, le cancer du sein est la forme de cancer la plus répandue chez les femmes au Canada et représente environ 26 % de tous les cas de cancer. Chaque jour, 80 femmes reçoivent un diagnostic de cancer du sein et 15 décèdent de cette maladie. En raison de son hétérogénéité, le cancer du sein est divisé en sous-types, caractérisés par l’expression de récepteurs aux estrogènes (ER), de récepteurs à la progestérone (PR) et de récepteurs du facteur de croissance épidermique humain 2 (HER2), ou son absence. Le cancer du sein triple négatif (TNBC) n’exprime pas ER, PR et HER2 et est connu pour son risque métastatique élevé. Par conséquent, il ne peut pas être ciblé par les thérapies hormonales traditionnelles et la chimiothérapie reste le traitement le plus utilisé pour le moment. Il est donc essentiel de trouver de nouvelles pistes qui pourraient être utilisées comme cibles thérapeutiques dans le traitement du TNBC. Le récepteur nucléaire NR5A2, communément appelé le récepteur hépatique homologue 1 (LRH-1), est un récepteur nucléaire orphelin important dans la régulation de nombreux processus biologiques. Il a déjà été prouvé que LRH-1 favorise la progression de nombreux cancers, dont le TNBC, mais ses mécanismes moléculaires ne sont pas encore bien définis dans ce type de cancer. Afin de déterminer le rôle de LRH-1 dans la progression du TNBC, cette étude s’est concentrée sur l’identification de ses interactions avec des cofacteurs ou des facteurs de transcription pour mieux comprendre comment il régule l’expression des gènes importants dans la progression de ce type de cancer du sein. L’immunoprécipitation de la chromatine suivie du séquençage (ChIP-Seq), réalisée dans le modèle cellulaire MDA-MB-231, a permis d’identifier les régions spécifiques au TNBC qui sont liées par LRH-1. Pour déterminer le potentiel de discussion croisée avec LRH-1, ces régions ont été superposées avec les données ChIP-Seq pour des facteurs déjà connus pour promouvoir le TNBC : JUNB, YAP, TAZ et TEAD. L’analyse de l’ontologie des gènes a été effectuée sur les 1056 gènes associés aux 871 régions communes du chevauchement des données de ChIP-Seq. Fait intéressant, plusieurs processus sont impliqués dans l’invasion et la migration des cellules cancéreuses du sein, suggérant que cette interaction pourrait être importante dans les processus métastatiques du TNBC. Nous avons ensuite confirmé que LRH-1 interagit dans le même complexe protéique que YAP et TEAD en effectuant une co-immunoprécipitation suivie d’immunobuvardage de type western. Par la suite, comme TEAD et YAP sont déjà connus dans la littérature pour leur implication dans les processus métastatiques du TNBC, seulement le rôle de LRH-1 a fait l’objet de cette partie de l’étude. Ainsi pour valider l’effet sur la migration des cellules cancéreuses de TNBC et l’invasion des tissus et des organes distants, l’expression de LRH-1 a été diminuée partiellement (KD), en utilisant le système d’ARN interférent, ou a été augmentée, grâce à l’utilisation d’une lignée de surexpression stable. Les niveaux d’expression des gènes sélectionnés, associés aux régions liées communes, ont été quantifiés par PCR quantitative, qui a montré une diminution de leur expression en condition de KD de LRH-1. Par la suite, la migration et l’invasion de deux modèles cellulaires de TNBC ont été quantifiés par la technique d’induction de blessures et en essais de chambre de Boyden en condition de traitement pharmacologique avec le ML-180, antagoniste connu de LRH-1. Le traitement ciblant thérapeutiquement LRH-1 a causé une diminution de la migration et de l’invasion pour les deux modèles cellulaires. Cette étude révèle les mécanismes par lesquels LRH-1, avec l’aide de YAP et TEAD, favorise la propagation du TNBC et permet de prouver le potentiel de LRH-1 comme cible thérapeutique dans ce type de cancer du sein.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».