Identification of pathways associated with invasive behavior by ovarian cancer cells using multidimensional protein identification technology (MudPIT)
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
Proteomic profiling has emerged as a useful tool for identifying tissue alterations in disease states including malignant transformation. The aim of this study was to reveal expression profiles associated with the highly motile/invasive ovarian cancer cell phenotype. Six ovarian cancer cell lines were subjected to proteomic characterization using multidimensional protein identification technology (MudPIT), and evaluated for their motile/invasive behavior, so that these parameters could be compared. Within whole cell extracts of the ovarian cancer cells, MudPIT identified proteins that mapped to 2245 unique genes. Western blot analysis for selected proteins confirmed the expression profiles revealed by MudPIT, demonstrating the fidelity of this high-throughput analysis. Unsupervised cluster analysis partitioned the cell lines in a manner that reflected their motile/invasive capacity. A comparison of protein expression profiles between cell lines of high (group 1) versus low (group 2) motile/invasive capacity revealed 300 proteins that were differentially expressed, of which 196 proteins were significantly upregulated in group 1. Protein network and KEGG pathway analysis indicated a functional interplay between proteins up-regulated in group 1 cells, with increased expression of several key members of the actin cytoskeleton, extracellular matrix (ECM) and focal adhesion pathways. These proteomic expression profiles can be utilized to distinguish highly motile, aggressive ovarian cancer cells from lesser invasive ones, and could prove to be essential in the development of more effective strategies that target pivotal cell signaling pathways used by cancer cells during local invasion and distant metastasis.
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 | 0,000 |
| 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 découle