Dysregulation of kallikrein-related peptidases in renal cell carcinoma: potential targets of miRNAs
Notice bibliographique
Résumé
Renal cell carcinoma (RCC) accounts for 3% of all adult malignancies and currently no diagnostic marker exists. Kallikrein-related peptidases (KLKs) have been implicated in numerous cancers including ovarian, prostate, and breast carcinoma. KLKs 5, 6, 10, and 11 have decreased expression in RCC when compared to normal kidney tissue. Our bioinformatic analysis indicated that the KLK 1, 6, and 7 genes have decreased expression in RCC. We experimentally verified these results and found that decreased expression of KLKs 1 and 3 were significantly associated with the clear cell RCC subtype (p<0.001). An analysis of miRNAs differentially expressed in RCC showed that 61 of the 117 miRNAs that were reported to be dysregulated in RCC were predicted to target KLKs. We experimentally validated two targets using two independent approaches. Transfection of miR-224 into HEK-293 cells resulted in decreased KLK1 protein levels. A luciferase assay demonstrated that hsa-let-7f can target KLK10 in the RCC cell line ACHN. Our results, showing differential expression of KLKs in RCC, suggest that KLKs could be novel diagnostic markers for RCC and that their dysregulation could be under miRNA control. The observation that KLKs could represent targets for miRNAs suggests a post-transcriptional regulatory mechanism with possible future therapeutic applications.
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 | 0,000 |
| 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 ».