miRNA profiling in metastatic renal cell carcinoma reveals a tumour-suppressor effect for miR-215
Notice bibliographique
Résumé
BACKGROUND: Renal cell carcinoma (RCC) is the most common neoplasm of the adult kidney. Metastatic RCC is difficult to treat. The 5-year survival rate for metastatic RCC is ≤10%. Recently, microRNAs (miRNAs) have been shown to have a role in cancer metastasis and potential as prognostic biomarkers in cancer. METHOD: We performed a miRNA microarray to identify a miRNA signature characteristic of metastatic compared with primary RCCs. We validated our results by quantitative real-time PCR. We performed experimental and bioinformatic analyses to explore the involvement of miR-215 in RCC progression and metastasis. RESULTS: We identified 65 miRNAs that were significantly altered in metastatic compared with primary RCCs. We validated our results by examining the expression of miR-10b, miR-126, miR-196a, miR-204 and miR-215, in two independent cohorts of patients. We showed that overexpression of miR-215 decreased cellular migration and invasion in an RCC cell line model. In addition, through gene expression profiling, we identified direct and indirect targets of miR-215 that can contribute to tumour metastasis. CONCLUSION: Our analysis showed that miRNAs are altered in metastatic RCCs and can contribute to kidney cancer metastasis through different biological processes. Dysregulated miRNAs represent potential prognostic biomarkers and may have therapeutic applications in kidney 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 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 ».