Epigenetic regulation of kallikrein-related peptidases: there is a whole new world out there
Notice bibliographique
Résumé
The human kallikreins are a cluster of 15 kallikreins and kallikrein-related peptidases (KLKs). Evidence shows the involvement of KLKs in a wide range of pathophysiological processes, and underscores their potential contribution to cancer, skin and neurodegenerative disorders. The control of KLK expression is not fully elucidated. Understanding the mechanisms controlling KLK expression is an essential step towards exploring the pathogenesis of several diseases and the use of KLKs as disease biomarkers and/or therapeutic targets. Recently, epigenetic changes (including methylation, histone modification and microRNAs [miRNAs]) have drawn attention as a new dimension for controlling KLK expression. Reports showed the effect of methylation on the expression of KLK genes. This was also shown to have potential utility as a prognostic marker in cancer. miRNAs are small RNAs that control the expression of their targets at the post-transcriptional level. Target prediction showed that KLKs are potential targets of miRNAs that are dysregulated in tumors, including prostate, kidney and ovarian cancers, with downstream effect on tumor proliferation. Experimental validation remains an essential step to confirm the KLK-miRNA interaction. Epigenetic regulation of KLKs holds promise for an array of therapeutic applications in many diseases including cancer.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».