The non-coding transcriptome as a dynamic regulator of cancer metastasis
Notice bibliographique
Résumé
Since the discovery of microRNAs, non-coding RNAs (NC-RNAs) have increasingly attracted the attention of cancer investigators. Two classes of NC-RNAs are emerging as putative metastasis-related genes: long non-coding RNAs (lncRNAs) and small nucleolar RNAs (snoRNAs). LncRNAs orchestrate metastatic progression through several mechanisms, including the interaction with epigenetic effectors, splicing control and generation of microRNA-like molecules. In contrast, snoRNAs have been long considered "housekeeping" genes with no relevant function in cancer. However, recent evidence challenges this assumption, indicating that some snoRNAs are deregulated in cancer cells and may play a specific role in metastasis. Interestingly, snoRNAs and lncRNAs share several mechanisms of action, and might synergize with protein-coding genes to generate a specific cellular phenotype. This evidence suggests that the current paradigm of metastatic progression is incomplete. We propose that NC-RNAs are organized in complex interactive networks which orchestrate cellular phenotypic plasticity. Since plasticity is critical for cancer cell metastasis, we suggest that a molecular interactome composed by both NC-RNAs and proteins orchestrates cancer metastasis. Interestingly, expression of lncRNAs and snoRNAs can be detected in biological fluids, making them potentially useful biomarkers. NC-RNA expression profiles in human neoplasms have been associated with patients' prognosis. SnoRNA and lncRNA silencing in pre-clinical models leads to cancer cell death and/or metastasis prevention, suggesting they can be investigated as novel therapeutic targets. Based on the literature to date, we critically discuss how the NC-RNA interactome can be explored and manipulated to generate more effective diagnostic, prognostic, and therapeutic strategies for metastatic neoplasms.
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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».