Alkaline Phosphatase ALPPL-2 Is a Novel Pancreatic Carcinoma-Associated Protein
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
Pancreatic ductal adenocarcinoma (PDAC) is a highly aggressive malignancy with a very low median survival rate. The lack of early sensitive diagnostic markers is one of the main causes of PDAC-associated lethality. Therefore, to identify novel pancreatic cancer biomarkers that can facilitate early diagnosis and also help in the development of effective therapeutics, we developed RNA aptamers targeting pancreatic cancer by Cell-systematic evolution of ligands by exponential enrichment (SELEX) approach. Using a selection strategy that could generate aptamers for 2 pancreatic cancer cell lines in one selection scheme, we identified an aptamer SQ-2 that could recognize pancreatic cancer cells with high specificity. Next, by applying 2 alternative approaches: (i) aptamer-based target pull-down and (ii) genome-wide microarray-based identification of differentially expressed mRNAs in aptamer-positive and -negative cells, we identified alkaline phosphatase placental-like 2 (ALPPL-2), an oncofetal protein, as the target of SQ-2. ALPPL-2 was found to be ectopically expressed in many pancreatic cancer cell lines at both mRNA and protein levels. RNA interference-mediated ALPPL-2 knockdown identified novel tumor-associated functions of this protein in pancreatic cancer cell growth and invasion. In addition, the aptamer-mediated identification of ALPPL-2 on the cell surface and cell secretions of pancreatic cancer cells supports its potential use in the serum- and membrane-based diagnosis of PDAC.
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