MétaCan
Menu
Retour à la cohorte
Enregistrement W1976608900 · doi:10.4161/cc.27396

Rapamycin induces pluripotent genes associated with avoidance of replicative senescence

2013· article· en· W1976608900 sur OpenAlexfundno aff
Tatyana V. Pospelova, Tatiana V. Bykova, С. Г. Зубова, Nataliia V. Katolikova, Natalia M Yartzeva, Valery A. Pospelov

Notice bibliographique

RevueCell Cycle · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensnon disponible
Organismes subventionnairesRussian Academy of SciencesSaint Petersburg State UniversityUniversity of Toronto
Mots-clésBiologyTelomereCell biologyTelomeraseSenescenceEmbryonic stem cellInduced pluripotent stem cellCell cyclemTORC1Homeobox protein NANOGCell cycle checkpointGeneMolecular biologyGeneticsPI3K/AKT/mTOR pathwaySignal transduction

Résumé

récupéré en direct d'OpenAlex

Primary rodent cells undergo replicative senescence, independent from telomere shortening. We have recently shown that treatment with rapamycin during passages 3-7 suppressed replicative senescence in rat embryonic fibroblasts (REFs), which otherwise occurred by 10-14 passages. Here, we further investigated rapamycin-primed cells for an extended number of passages. Rapamycin-primed cells continued to proliferate without accumulation of senescent markers. Importantly, these cells retained the ability to undergo serum starvation- and etoposide-induced cell cycle arrest. The p53/p21 pathway was functional. This indicates that rapamycin did not cause either transformation or loss of cell cycle checkpoints. We found that rapamycin activated transcription of pluripotent genes, oct-4, sox-2, nanog, as well as further upregulated telomerase (tert) gene. The rapamycin-derived cells have mostly non-rearranged, near-normal karyotype. Still, when cultivated for a higher number of passages, these cells acquired a chromosomal marker within the chromosome 3. We conclude that suppression mTORC1 activity may prevent replicative senescence without transformation of rodent cells.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,254
Score d'incertitude au seuil0,623

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,217
Écart entre enseignants0,207 · 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 tête enseignante, 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

Citations25
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell CycleMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207