Microarray expression profiling of dysregulated long non-coding RNAs in triple-negative breast cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Triple-negative breast cancer (TNBC) represents a collection of malignant breast tumors that are often aggressive and have an increased risk of metastasis and relapse. Long non-coding RNAs are generally defined as RNA transcripts measuring 200 nucleotides or longer that do not encode for any protein. During the past decade, increasing evidence has shown that lncRNAs play important roles in oncogenesis and tumor suppression; however, the roles of lncRNAs in TNBC are poorly understood. To address this issue, we used Agilent human lncRNA microarray chips and bioinformatics tools, including Gene Ontology (GO) and the Kyoto Encyclopedia of Genes and Genomes (KEGG), to assess lncRNA expression in 3 pairs of TNBC tissues. A dysregulated lncRNA expression profile was identified by microarray and verified by qRT-PCR in 48 pairs of breast cancer subtype tissues. Metastasis is the major cause of cancer-related deaths, including those in TNBC, and the presence of dormant residual disseminated tumor cells (DTC) may be a key factor leading to metastasis. ANKRD30A, a potential target for breast cancer immunotherapy, is currently one of the most used DTC markers. Notably, we found the expression levels of the novel intergenic lncRNA LINC00993 to be associated with the expression levels of ANKRD30A. Furthermore, our qRT-PCR data indicated that the expression of LINC00993 was also associated with the expression of the estrogen receptor. In conclusion, our study identified a set of lncRNAs that were consistently aberrantly expressed in TNBC, and these dysregulated lncRNAs may be involved in the development and/or progression of TNBC.
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.
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 découle