Let-7b Inhibits Human Cancer Phenotype by Targeting Cytochrome P450 Epoxygenase 2J2
Notice bibliographique
Résumé
BACKGROUND: MicroRNAs (miRNAs) are small, noncoding RNA molecules of 20 to 22 nucleotides that regulate gene expression by binding to their 3' untranslated region (3'UTR). Increasing data implicate altered miRNA participation in the progress of cancer. We previously reported that CYP2J2 epoxygenase promotes human cancer phenotypes. But whether and how CYP2J2 is regulated by miRNA is not understood. METHODS AND RESULTS: Using bioinformatics analysis, we found potential target sites for miRNA let-7b in 3'UTR of human CYP2J2. Luciferase and western blot assays revealed that CYP2J2 was regulated by let-7b. In addition, let-7b decreased the enzymatic activity of endogenous CYP2J2. Furthermore, let-7b may diminish cell proliferation and promote cell apoptosis of tumor cells via posttranscriptional repression of CYP2J2. Tumor xenografts were induced in nude mice by subcutaneous injection of MDA-MB-435 cells. The let-7b expression vector, pSilencer-let-7b, was injected through tail vein every 3 weeks. Let-7b significantly inhibited the tumor phenotype by targeting CYP2J2. Moreover, quantitative real-time polymerase chain reaction and western blotting were used to determine the expression levels of let-7b and CYP2J2 protein from 18 matched lung squamous cell cancer and adjacent normal lung tissues; the expression level of CYP2J2 was inversely proportional to that of let-7b. CONCLUSIONS: Our results demonstrated that the decreased expression of let-7b could lead to the high expression of CYP2J2 protein in cancerous tissues. These findings suggest that miRNA let-7b reduces CYP2J2 expression, which may contribute to inhibiting tumor phenotypes.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».