Regulation of FGF‐2 by an endogenous antisense RNA: Effects on cell adhesion and cell‐cycle progression
Notice bibliographique
Résumé
Fibroblast growth factor (FGF-2) and its endogenous antisense RNA FGF antisense (FGF-AS) have been implicated in cancer progression and correlated with clinical outcomes of cancer patients. We previously reported that elevated FGF-AS expression is associated with reduced tumor recurrence and improved survival rates in patients with FGF-2-dependent esophageal adenocarcinoma. In the present study we examined the effect of siRNA knockdown of each transcript on the expression of its complementary partner RNA, and consequent changes in cellular phenotype and behavior. FGF-AS and FGF-2 were inversely expressed in a cell-cycle-dependent manner and siRNA-mediated knockdown of either FGF-AS or FGF-2 resulted in upregulation of the complementary transcript and protein. siRNA-mediated knockdown of FGF-AS was associated with a dramatic increase in cell-substratum adhesion and marked changes in the expression of a number of genes encoding adhesion molecules. Microarray analysis and RT-PCR analysis also revealed antithetical effects of FGF-2 and FGF-AS siRNA knockdown on the expression of a number of cell-cycle-related genes, including SKP2, SESTRIN-3, EIF4BP2, CDC27, and P190RhoGAP (P190). Cell-cycle analysis following siRNA-mediated knockdown of FGF-AS or FGF-2 indicate that both factors are involved in control of transition through the G₁ and G₂ boundaries, affecting cell-cycle progression, proliferation, and apoptosis. Finally, siRNA knockdown of FGF-AS resulted in a significant increase in invasion activity. These data indicate that regulatory interactions between FGF-AS and FGF-2 are involved in control of cell adhesion, cell-cycle progression, and invasion, providing a possible explanation for the protective effects of FGF-AS expression observed in FGF-2-dependent cancers.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».