Galectin-3 and Beclin1/Atg6 Genes In Human Cancers: Using cDNA Tissue Panel, qRT-PCR, and Logistic Regression Model to Identify Cancer Cell Biomarkers
Notice bibliographique
Résumé
BACKGROUND: Cancer biomarkers are sought to support cancer diagnosis, predict cancer patient response to treatment and survival. Identifying reliable biomarkers for predicting cancer treatment response needs understanding of all aspects of cancer cell death and survival. Galectin-3 and Beclin1 are involved in two coordinated pathways of programmed cell death, apoptosis and autophagy and are linked to necroptosis/necrosis. The aim of the study was to quantify galectin-3 and Beclin1 mRNA in human cancer tissue cDNA panels and determine their utility as biomarkers of cancer cell survival. METHODS AND RESULTS: A panel of 96 cDNAs from eight (8) different normal and cancer tissue types were used for quantitative real-time polymerase chain reaction (qRT-PCR) using ABI7900HT. Miner2.0, a web-based 4- and 3-parameter logistic regression software was used to derive individual well polymerase chain reaction efficiencies (E) and cycle threshold (Ct) values. Miner software derived formula was used to calculate mRNA levels and then fold changes. The ratios of cancer to normal tissue levels of galectin-3 and Beclin1 were calculated (using the mean for each tissue type). Relative mRNA expressions for galectin-3 were higher than for Beclin1 in all tissue (normal and cancer) types. In cancer tissues, breast, kidney, thyroid and prostate had the highest galectin-3 mRNA levels compared to normal tissues. High levels of Beclin1 mRNA levels were in liver and prostate cancers when compared to normal tissues. Breast, kidney and thyroid cancers had high galectin-3 levels and low Beclin1 levels. CONCLUSION: Galectin-3 expression patterns in normal and cancer tissues support its reported roles in human cancer. Beclin1 expression pattern supports its roles in cancer cell survival and in treatment response. qRT-PCR analysis method used may enable high throughput studies to generate molecular biomarker sets for diagnosis and predicting cancer treatment response.
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 ».