MétaCan
Menu
Retour à la cohorte
Enregistrement W2033686867 · doi:10.2741/3156

Early stage cancer cell invasion: signaling, biomarkers and therapeutic targeting

2008· review· en· W2033686867 sur OpenAlexafffund
Emy Behmoaram

Notice bibliographique

RevueFrontiers in bioscience · 2008
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensJewish General Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchCanadian Breast Cancer Research AllianceBreast Cancer Alliance
Mots-clésMotilitySignaling proteinsSignal transductionCancerCell polarityBiologyChemotaxisCancer cellCell signalingMechanism (biology)CellNeuroscienceCell migrationCell biologyCancer researchComputational biologyGeneticsReceptor

Résumé

récupéré en direct d'OpenAlex

The process of primary cancer invasion of distant organs is multifactorial and multistep. Successful therapeutic management of invasive cancers remains hampered by the multitude of overlapping signaling pathways that initiate and drive cancer cell migration. A crucial early event by which cancer cells switch from localized to invasive states is initiated by the acquisition of autonomous motile properties; a process driven by dynamic assemblies and disassemblies of multiple focal adhesion, cytoskeleton and motor proteins. Several of the protein complexes involved are tightly regulated through posttranslational modifications and intermolecular collisions with partners that occur in a time- and space-dependent manner. These concerted mechanisms are essential for the regulation of cell shape, cell polarity, and cell motility and migration in response to chemotactic signals. This review summarizes the current knowledge in the field and potential clinical implications for molecular pathology and cancer therapeutics. It is not meant to be comprehensive; aspects related to basic signaling are not dealt with extensively in this review. However, the reader is referred to excellent reviews that provide coverage of these topics.

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)0,001
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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,024
Tête enseignante GPT0,286
Écart entre enseignants0,261 · 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
GenreSynthèse

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

En bref

Citations10
Publié2008
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in bioscienceMême sujetCellular Mechanics and InteractionsTravaux en français237 207