MétaCan
Menu
Retour à la cohorte
Enregistrement W2087824350 · doi:10.3389/fphar.2012.00202

Is There an Epigenetic Component Underlying the Resistance of Triple-Negative Breast Cancers to Parp Inhibitors?

2012· article· en· W2087824350 sur OpenAlexaff
Amanda Lovato, Lawrence Panasci, Michael Witcher

Notice bibliographique

RevueFrontiers in Pharmacology · 2012
Typearticle
Langueen
DomaineMedicine
ThématiquePARP inhibition in cancer therapy
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésTriple-negative breast cancerEpigeneticsBreast cancerCancer researchTriple negativeComponent (thermodynamics)Poly ADP ribose polymeraseMedicineBioinformaticsBiologyOncologyGeneticsInternal medicineCancerDNAGenePhysicsPolymerase

Résumé

récupéré en direct d'OpenAlex

Poly(ADP-ribose) polymerase (Parp) is an enzyme responsible for catalyzing post-translational modifications through the addition of poly(ADP-ribose) chains (known as PARylation). Modification by PARylation modulates numerous cellular processes including transcription, chromatin remodeling, apoptosis, and DNA damage repair. In particular, the role of Parp activation in response to DNA damage has been intensely studied. Tumors bearing mutations of the breast cancer susceptibility genes, Brca1/2, are prone to DNA breakages whose restoration into functional double-strand DNA is Parp dependent. This concept has been exploited therapeutically in Brca mutated breast and ovarian tumors, where acute sensitivity to Parp inhibitors is observed. Based on in vitro and clinical studies it remains unclear to what extent Parp inhibitors can be utilized beyond treating Brca mutated tumors. This review will focus on the often overlooked roles of PARylation in chromatin remodeling, epigenetics, and transcription to explain why some cancers may be unresponsive to Parp inhibition. We predict that understanding the impact of PARylation on gene expression will lead to alternative approaches to manipulate the Parp pathway for therapeutic benefit.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,046
Tête enseignante GPT0,363
Écart entre enseignants0,317 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations6
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetPARP inhibition in cancer therapyTravaux en français237 207