MétaCan
Menu
Retour à la cohorte
Enregistrement W1991500129 · doi:10.1158/1535-7163.targ-13-b133

Abstract B133: Regulation of the androgen receptor function by a metabolic kinase in prostate cancer.

2013· article· en· W1991500129 sur OpenAlexaff
Mohammad Asim, Charlie E. Massie, Heather Zecchini, Ajoeb Baridi, Nelma Gomes, Hisham Mohammed, Vincent Zecchini, Basetti Madhu, Arham Qureshi, Roslin Russell, Wiebke Hessenkemper, Rouchelle Sriranjan, Carrie Yang, Andy G. Lynch, Elena Gregorengko, Rory Stark, Paul S. Rennie, John R. Griffiths, Aria Baniahmad, Jasol Carroll, Ian G. Mills, David E. Neal

Notice bibliographique

RevueMolecular Cancer Therapeutics · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueProstate Cancer Treatment and Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésProstate cancerAndrogen receptorKinaseCancer researchAndrogenCancerLNCaPKinomeBiologyMedicineInternal medicineEndocrinologyCell biologyHormone

Résumé

récupéré en direct d'OpenAlex

Abstract In a recent genome-wide study to identify androgen receptor target genes we found that the AR promotes tumor growth by enhancing the expression and activity of enzymes required for metabolic biosynthesis. This raises the possibility for effective therapeutic approaches directed towards AR target genes. Kinases are well-established drug targets. In this study we identify androgen regulated kinome and show that an important androgen regulated metabolic kinase is a drug target in prostate cancer. Our proteome study shows that this kinase interacts with the androgen receptor and regulates AR stability. Inhibition of this kinase significantly reduces AR protein levels and suppresses prostate cancer growth in cell-lines and ex vivo cultures. In clinical prostate cancer this kinase is highly over-expressed in metastatic prostate cancers and inhibition represses metastatic potential of prostate cancer cells. Our study therefore establishes this kinase for the first time as an AR target gene that regualtes AR itself as part of feedback loop and makes a case for further investigation of its inhibitors as novel AR antagonists in both localised and advanced disease. Citation Information: Mol Cancer Ther 2013;12(11 Suppl):B133. Citation Format: Mohammad asim, Charlie Massie, Heather Zecchini, Ajoeb Baridi, Nelma Gomes, Hisham Mohammed, Vincent Zecchini, Basetti Madhu, Arham Qureshi, Roslin Russell, Wiebke Hessenkemper, Rouchelle Sriranjan, Carrie Yang, Andy Lynch, Elena Gregorengko, Rory Stark, Paul Rennie, John Griffiths, Aria Baniahmad, Jasol Carroll, Ian Mills, David Neal. Regulation of the androgen receptor function by a metabolic kinase in prostate cancer. [abstract]. In: Proceedings of the AACR-NCI-EORTC International Conference: Molecular Targets and Cancer Therapeutics; 2013 Oct 19-23; Boston, MA. Philadelphia (PA): AACR; Mol Cancer Ther 2013;12(11 Suppl):Abstract nr B133.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Autre · Signal consensuel: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,035

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0110,003

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 Opus0,022
Tête enseignante GPT0,300
Écart entre enseignants0,277 · 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 source (Gemma direct ou Codex distillé), 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
GenreAutre

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Cancer TherapeuticsMême sujetProstate Cancer Treatment and ResearchTravaux en français237 207