Investigating the role of src in tissue organization during early breast cancer progression
Bibliographic record
Abstract
Le cancer du sein demeure le cancer le plus souvent diagnostiqué parmi les femmes, affectant une femme canadienne parmi huit. Les lésions mammaires précoces peuvent être détectées en clinique. Cependant, un défi majeur est qu'il n'y a pas de moyen fiable d'identifier les lésions qui sont les plus susceptibles de progresser vers le cancer du sein. Une meilleure compréhension des premiers événements moléculaires qui conduisent la transformation des cellules normales vers le cancer sera essentielle pour permettre la prédiction de la progression et pour le développement de thérapies préventives ciblées pour prévenir le cancer du sein. Un concept émergent est que l'architecture épithéliale normale joue un rôle crucial en tant que barrière physique à la progression du cancer. En utilisant le modèle de souris du cancer du sein « Polyoma virus middle-T antigen » (PyVmT) et l'imagerie en direct, nous avons identifié que les divisions cellulaires asymétriques sont des événements précoces dans la progression du cancer du sein qui donne naissance à une population de cellules dépolarisées. Un défi pour comprendre si l'architecture du tissu agit effectivement pour supprimer la formation de tumeurs est que la plupart des oncogènes perturbent à la fois la prolifération et l'organisation tissulaire. Dans ce projet, j'ai utilisé un modèle modifié de PyVmT où l'hyperprolifération était découplée de la perte d'organisation tissulaire après l'induction d'un oncogène, et les canaux mammaires s'organisent similairement aux tissus normaux en ce qui concerne la polarité apicale-basale et les adhérences cellulaires. De manière remarquable, malgré une prolifération accrue, ces souris ne parviennent pas à former des tumeurs mammaires. Ici, j'investis les mécanismes qui contrôlent l'orientation de la division cellulaire dans ce modèle et si le mécanisme de la résolution de la division cellulaire observée dans les cellules normales est entravé dans la progression tumorale. Je démontre que l'oncogène Src constitutivement actif est suffisant pour induire une stratification tissulaire, et ce, par le biais de la régulation de l'orientation du fuseau mitotique dans le modèle murin PyV mT. Comme il n'est pas encore complètement compris comment les cellules mammaires se transforment d'un phénotype normal à un phénotype malin, ce projet a le potentiel d'identifier une étape importante le long de la voie à travers la régulation de l'orientation de la division cellulaire. En comprenant comment l'organisation tissulaire est perdue pendant la tumorigenèse, j'imagine que ce travail peut être utilisé afin d'aider à identifier les cibles thérapeutiques potentielles qui pourraient être bénéfiques dans la prévention du cancer.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".