An integrated genomic analysis of papillary renal cell carcinoma type 1 uncovers the role of focal adhesion and extracellular matrix pathways
Notice bibliographique
Résumé
Papillary renal cell carcinoma (pRCC) is the second most common RCC subtype and can be further classified as type 1 (pRCC1) or 2 (pRCC2). There is currently minimal understanding of pRCC1 pathogenesis, and treatment decisions are mostly empirical. The aim of this study was to identify biological pathways that are involved in pRCC1 pathogenesis using an integrated genomic approach. By microarray analysis, we identified a number of significantly dysregulated genes and microRNAs (miRNAs) that were unique to pRCC1. Integrated bioinformatics analyses showed enrichment of the focal adhesion and extracellular matrix (ECM) pathways. We experimentally validated that many members of these pathways are dysregulated in pRCC1. We identified and experimentally validated the downregulation of miR-199a-3p in pRCC1. Using cell line models, we showed that miR-199a-3p plays an important role in pRCC1 pathogenesis. Gain of function experiments showed that miR-199a-3p overexpression significantly decreased cell proliferation (p = 0.013). We also provide evidence that miR-199a-3p regulates the expression of genes linked to the focal adhesion and ECM pathways, such as caveolin 2 (CAV2), integrin beta 8 (ITGB8), MET proto-oncogene and mammalian target of rapamycin (MTOR). Using a luciferase reporter assay, we further provide evidence that miR-199a-3p overexpression decreases the expression of MET and MTOR. Using an integrated gene/miRNA approach, we provide evidence linking miRNAs to the focal adhesion and ECM pathways in pRCC1 pathogenesis. This novel information can contribute to the development of effective targeted therapies for pRCC1, for which there is none currently available in the clinic.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».