MétaCan
Menu
Retour à la cohorte
Enregistrement W1980575458 · doi:10.1016/j.jab.2014.09.004

Lipid metabolism and cancer progression: The missing target in metastatic cancer treatment

2014· article· en· W1980575458 sur OpenAlexaff
Maxwell Omabe, Martin Ezeani, Kenneth Omabe

Notice bibliographique

RevueJournal of Applied Biomedicine · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Lipids, and Metabolism
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésCancerCancer cellLipid metabolismCarcinogenesisCancer researchBiologyAutophagyCell growthCell metabolismGlycolysisOxidative phosphorylationMetabolic pathwayFatty acid metabolismCellMetabolismBiochemistryApoptosisGenetics

Résumé

récupéré en direct d'OpenAlex

There is a renewed interest in metabolism alterations and its impact on cancer development and progression. The metabolism of cancer cells is reprogrammed in order to support their rapid proliferation. Elevated fatty acid synthesis is one of the most important aberrations in cancer cell metabolism, and is required both for carcinogenesis and cancer cell survival. We have previously shown that cancer cells explore metabolic pathways especially autophagy and particularly enhanced glycolysis and suppressed oxidative phosphorylation to promote treatment resistance. To support cell proliferation in cancer, lipid metabolism and biosynthetic activities is required and often up-regulated. Here we bring lipid metabolic pathways into focus and summarized details that suggest a new perspective for improving chemotherapeutic responses in cancer treatment, and indicate the need to design more inclusive molecular targeting for a better 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 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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,951
Score d'incertitude au seuil0,372

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 GPT0,295
Écart entre enseignants0,284 · 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'étudeSans objet
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

Citations21
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Applied BiomedicineMême sujetCancer, Lipids, and MetabolismTravaux en français237 207