Identification of a new microRNA expression profile as a potential cancer screening tool
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
PURPOSE: Small non-coding microRNAs (miRNAs) are key components of cancer development and are considered as potential biomarkers for cancer diagnosis and treatment monitoring. This study investigated miRNA expression profiles of human cancer cells in order to develop a screening method for lung cancer. METHODS: A series of lung cancer related miRNAs (miR-21, miR-145, miR-155, miR-205, miR-210, miR-92, miR-17-5p, miR-143, miR-182, miR-372, let-7a) were selected as candidates for miRNA expression profiles of human lung cancer cell lines (A549, SK-mes-1). MicroRNA u6 was the endogenous control. Cancer cell lines for positive controls; breast MCF-7, prostate Du-145, and glioblastoma U118. The negative control was normal lung fibroblast cell line MRC-5. RT-PCR was performed on StepOnePlus (Applied Biosystem, USA). MiRNA expressions of malignant cells were compared with normal fibroblast cells as well as endogenous control (u6) using the thermal cycle at threshold. Assessment of miRNA expression profiles were then performed using agglomerative hierarchical cluster analysis software (SPSS13, USA). RESULTS: We demonstrated that miR-21, miR-182 and let7-5a were over-expressed, and miR-145 and miR-155 were under-expressed in all cancer cell lines. Combined with the cluster analysis we were able to clearly distinguish cell lines for normal fibroblasts, breast cancer, prostate cancer, glioblastoma, and lung cancer. CONCLUSION: There is potential utility of screening for lung cancer with miRNA expression profiles. Future work will focus on the sensitivity of such miRNA expression profiles in screening sputum for lung cancer, which can be performed in real time.
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 | 0,001 |
| 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 | 0,002 |
| 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