MétaCan
Menu
← Retour à la cohorte
Enregistrement W1820751581 · doi:10.1096/fasebj.28.1_supplement.85.3

Metabolic control points in cancer (85.3)

2014· article· en· W1820751581 sur OpenAlexaff
Russell G. Jones, Brandon Faubert, Fanny Dupuy, Said Izreig, Gino Boily, Takla Griss, Bożena Samborska, Peter M. Siegel

Notice bibliographique

RevueThe FASEB Journal · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésAMPKAnaerobic glycolysisCancer cellWarburg effectCell biologyProtein kinase AGlycolysisMetabolic pathwayCell growthBiologyCell metabolismKinaseSignal transductionMetabolismCellCancer researchCancerBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

All cells must manage their energetic resources to survive. This is particularly true for cancer cells, which initiate changes in their cellular metabolism as they transition from a normal to a cancerous state. Tumor cells must engage pathways of cellular metabolism to generate the energy and biosynthetic intermediates required to support increased cell growth and division. In addition, for growing tumours, overcoming metabolic stress induced by nutrient limitation and/or hypoxia is a critical step for solid tumour growth. It is now appreciated that many of the predominant mutations observed in cancer also influence tumor metabolism as part of their mode of action. Here I discuss the role that cellular energy sensors ‐ notably the Liver Kinase‐B1 (LKB1) and the AMP‐activated protein kinase (AMPK) ‐ play in regulating tumor metabolism and adaptation to metabolic stress. We have found that the LKB1‐AMPK pathway negatively regulates aerobic glycolysis (the “Warburg effect”) in cancer cells, and that disruption of this pathway promotes a metabolic shift to aerobic glycolysis and supports increased cell growth. This metabolic shift is mediated by the hypoxia‐inducible factor‐1α (HIF‐1α), and silencing HIF‐1α reverses the biosynthetic and proliferative advantages conferred by reduced LKB1‐AMPK signaling. Finally, I will present evidence that AMPK activity is dynamically regulated in tumors to enhance pro‐growth metabolism, but that this pathway is required to maintain tumor cell viability in response to stress. Finally, I will discuss whether metabolic checkpoints serve “suppressive” or “supportive” roles in cancer development and/or progression. This work was supported by grants from the CIHR (MOP‐93799) and CCSRI (700586).

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,033
Score d'incertitude au seuil0,110

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0330,016

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,252
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetCancer, Hypoxia, and Metabolism→Travaux en français237 207→