Elevated PI3K signaling drives multiple Breast Cancer subtypes
Notice bibliographique
Résumé
Jessica R. Adams 1,2 , Nathan F. Schachter 1,2 , Jeff C. Liu 3 , Eldad Zacksenhaus 3,4 and Sean E. Egan 1,2 1 Program in Developmental and Stem Cell Biology, The Hospital for Sick Children, 101 College St., East Tower 2 The Department of Molecular Genetics, University of Toronto, Toronto, Ontario, Canada 3 Division of Cell and Molecular Biology, Toronto General Research Institute–University Health Network, Toronto, Ontario, Canada 4 The Department of Medical Biophysics, University of Toronto, Toronto, Ontario, Canada Keywords: PIK3CA, Mouse models, Breast Cancer, PTEN, Akt, Metastasis Received: June 2, 2011; Accepted: June 2, 2011; Published: June 5, 2011; Correspondence: Sean E. Egan, e-mail: // // Abstract Most human breast tumors have mutations that elevate signaling through a key metabolic pathway that is induced by insulin and a number of growth factors. This pathway serves to activate an enzyme known as phosphatidylinositol 3’ kinase (PI3K) as well as to regulate proteins that signal in response to lipid products of PI3K. The specific mutations that activate this pathway in breast cancer can occur in genes coding for tyrosine kinase receptors, adaptor proteins linked to PI3K, catalytic and regulatory subunits of PI3K, serine/threonine kinases that function downstream of PI3K, and also phosphatidylinositol 3’ phosphatase tumor suppressors that function to antagonize this pathway. While each genetic change results in net elevation of PI3K pathway signaling, and all major breast cancer subtypes show pathway activation, the specific mutation(s) involved in any one tumor may play an important role in defining tumor subtype, prognosis and even sensitivity to therapy. Here, we describe mouse models of PI3K- breast cancer and how they may be used to guide development of novel therapeutics for treatment.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».