项目名称: G3BP2在调控肺癌细胞塑型中的作用及机制研究

项目编号: No.81501981

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 医药、卫生

项目作者: 刘怡茜

作者单位: 南京医科大学

项目金额: 18万元

中文摘要: 肿瘤干细胞具有自我更新和分化为各级肿瘤细胞的能力。研究显示一些肿瘤细胞能在干细胞和非干细胞状态之间转换,但对肿瘤细胞塑型的分子机制仍知之甚少。我们的预实验结果显示G3BP2能促进NSCLC细胞出现干细胞样特征,提示G3BP2可能参与调控NSCLC塑型。同时G3BP2可能与SART3结合,而文献报道后者在胚胎干细胞中调控核心转录因子,维持干细胞特性。据此我们提出假说:G3BP2与SART3形成复合物,作为RNA结合蛋白与OCT4、Sox2和Nanog mRNA相结合并调控其表达,从而参与NSCLC塑型。我们将采用多种NSCLC细胞株,采用免疫组化、PCR、western blot、Co-IP、RIP等技术从分子、细胞、组织和动物水平验证上述假设。本研究能进一步完善肿瘤干细胞对肿瘤发生发展的调控机制,并为临床干细胞治疗和逆转耐药提供新的靶点。

中文关键词: 非小细胞肺癌;肿瘤干细胞;塑型;G3BP2

英文摘要: Tumors contain cancer stem cells (CSCs) that are thought to be capable of replenishing both themselves and populations of non-CSCs. Recent evidence suggests that some cancer cells can switch between a non-CSC and CSC-like state, the molecular mechanisms underlying this plasticity remain poorly understood. Our preliminary data have shown that G3BP2 is essential for the maintenance of a sub-population of NSCLC cells with CSC-like properties. Furthermore, G3BP2 has physically interaction with SART3, which is essential in regulating the core transcription factors in hESCs. Take together, we hypothesize that G3BP2 interacts physically with SART3 and combines with OCT4, Sox2和Nanog mRNA, which regulates NSCLC plasticity. We will verify the hypothesis by using IHC, PCR, western blot, Co-IP, RIP et.al. Our study will support the potential role of G3BP2 as a “master switch” controlling NSCLC plasticity.

英文关键词: NSCLC;cancer stem cell;plasticity;G3BP2

成为VIP会员查看完整内容
0

相关内容

【哈佛大学】深度学习理论实证探究
专知会员服务
42+阅读 · 2021年11月1日
鲁棒模式识别研究进展
专知会员服务
40+阅读 · 2020年8月9日
如何建模动态图?看这份《时序图神经网络》26页ppt
专知会员服务
139+阅读 · 2020年7月25日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
人工智能预测RNA和DNA结合位点,以加速药物发现
Science 一周论文导读 | 2019 年 4 月 12 日
科研圈
15+阅读 · 2019年4月21日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
49+阅读 · 2020年12月16日
Arxiv
38+阅读 · 2020年12月2日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
小贴士
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2008年12月31日
相关论文
Recent advances in deep learning theory
Arxiv
50+阅读 · 2020年12月20日
Arxiv
49+阅读 · 2020年12月16日
Arxiv
38+阅读 · 2020年12月2日
A Survey of Deep Learning for Scientific Discovery
Arxiv
29+阅读 · 2020年3月26日
Deep learning for cardiac image segmentation: A review
Arxiv
21+阅读 · 2019年11月9日
Self-Attention Graph Pooling
Arxiv
13+阅读 · 2019年6月13日
Object Detection in 20 Years: A Survey
Arxiv
48+阅读 · 2019年5月13日
微信扫码咨询专知VIP会员