MétaCan
Menu
Retour à la cohorte
Enregistrement W2056895315 · doi:10.1016/j.celrep.2014.07.058

The RNA-Binding Protein DDX1 Promotes Primary MicroRNA Maturation and Inhibits Ovarian Tumor Progression

2014· article· en· W2056895315 sur OpenAlexfundno aff
Cecil Han, Yunhua Liu, Guohui Wan, Hyun Jin Choi, Luqing Zhao, Cristina Ivan, Xiaoming He, Anil K. Sood, Xinna Zhang, Xiongbin Lu

Notice bibliographique

RevueCell Reports · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related molecular mechanisms research
Établissements canadiensnon disponible
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Cancer InstituteNational Institutes of HealthUniversity of Alberta
Mots-clésDroshaBiologymicroRNAOvarian cancerCancer researchRNA-binding proteinRNA interferenceGene knockdownRNAGeneGeneticsCancer

Résumé

récupéré en direct d'OpenAlex

Posttranscriptional maturation is a critical step in microRNA (miRNA) biogenesis that determines mature miRNA levels. In addition to core components (Drosha and DGCR8 [DiGeorge syndrome critical region gene 8]) in the microprocessor, regulatory RNA-binding proteins may confer the specificity for recruiting and processing of individual primary miRNAs (pri-miRNAs). Here, we identify DDX1 as a regulatory protein that promotes the expression of a subset of miRNAs, including five members in the microRNA-200 (miR-200) family and four miRNAs in an eight-miRNA signature of a mesenchymal ovarian cancer subtype. A majority of DDX1-dependent miRNAs are induced after DNA damage. This induction is facilitated by the ataxia telangiectasia mutated (ATM)-mediated phosphorylation of DDX1. Inhibiting DDX1 promotes ovarian tumor growth and metastasis in a syngeneic mouse model. Analysis of The Cancer Genome Atlas (TCGA) reveals that low DDX1 levels are associated with poor clinical outcome in patients with serous ovarian cancer. These findings suggest that DDX1 is a key modulator in miRNA maturation and ovarian tumor suppression.

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)0,001
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,030
Score d'incertitude au seuil0,468

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,005
Tête enseignante GPT0,234
Écart entre enseignants0,229 · 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'étudeExpérimental (laboratoire)
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

Citations105
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell ReportsMême sujetCancer-related molecular mechanisms researchTravaux en français237 207