MétaCan
Menu
Retour à la cohorte
Enregistrement W2076549365 · doi:10.1038/npre.2008.2238.1

A network-based signaling mechanism of cancer development and progression

2008· preprint· en· W2076549365 sur OpenAlexaff
Edwin Wang

Notice bibliographique

RevueNature Precedings · 2008
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBioinformatics and Genomic Networks
Établissements canadiensNature Conservancy of CanadaNational Research Council Canada
Organismes subventionnairesnon disponible
Mots-clésBiologyCarcinogenesisGeneCancerSignal transductionGeneticsComputational biologyCell signalingOncogeneMechanism (biology)MutationCancer researchCell cycle

Résumé

récupéré en direct d'OpenAlex

Abstract We conducted a comprehensive analysis of a manually curated human signaling network containing 1634 nodes and 5089 signaling regulatory relations by integrating cancer-associated genetically and epigenetically altered genes. We find that cancer mutating genes are enriched in positive signaling regulatory loops, whereas the cancer-associated methylating genes are enriched in negative signaling regulatory loops. We further characterized an overall picture of the cancer-signaling architectural and functional organization. From the network, we extracted an oncogene-signaling map, which contains 326 nodes, 892 links and the interconnections of mutated and methylated genes. The map can be decomposed into 12 topological regions or oncogene-signaling blocks, including a few ‘oncogenic-signaling-addictive blocks' in which frequently used oncogenic signaling events are enriched.Large scale sequencing of cancer genomes has shown that there is a lot of diversity and little overlap in terms of the different types of mutated genes. This diversity is seen among different types of tumours and even between tumours that originate from the same tissue. Despite the complexity of these mutations, the cancer signalling map allows them to be divided into a few common signaling modules and therefore uncovers the underlying logic of cancer signaling. Both common and tumor-type specific signaling modules are observed. The common module contains genes that are frequently mutated in most tumors regardless of tumor-type. However, the common module is generally not sufficient for tumorigenesis, because mutations of the genes in the common module are frequently accompanied by mutations in one or two other signaling modules. Different tumor types appear to achieve tumorigenesis via distinct mechanisms, i.e., through collaboration between different signaling modules. Taking a systems-biology approach, the researchers present a network view of molecular mechanisms of cancer signaling that will shape our understanding of fundamental tumor cell biology.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesIntégrité de la recherche
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 enseignants0,446
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0000,001
Intégrité de la recherche0,0010,001
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 Opus0,009
Tête enseignante GPT0,263
Écart entre enseignants0,254 · 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.

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

Citations1
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature PrecedingsMême sujetBioinformatics and Genomic NetworksTravaux en français237 207