NCI60 Cancer Cell Line Panel Data and RNAi Analysis Help Identify EAF2 as a Modulator of Simvastatin and Lovastatin Response in HCT-116 Cells
Notice bibliographique
Résumé
Simvastatin and lovastatin are statins traditionally used for lowering serum cholesterol levels. However, there exists evidence indicating their potential chemotherapeutic characteristics in cancer. In this study, we used bioinformatic analysis of publicly available data in order to systematically identify the genes involved in resistance to cytotoxic effects of these two drugs in the NCI60 cell line panel. We used the pharmacological data available for all the NCI60 cell lines to classify simvastatin or lovastatin resistant and sensitive cell lines, respectively. Next, we performed whole-genome single marker case-control association tests for the lovastatin and simvastatin resistant and sensitive cells using their publicly available Affymetrix 125K SNP genomic data. The results were then evaluated using RNAi methodology. After correction of the p-values for multiple testing using False Discovery Rate, our results identified three genes (NRP1, COL13A1, MRPS31) and six genes (EAF2, ANK2, AKAP7, STEAP2, LPIN2, PARVB) associated with resistance to simvastatin and lovastatin, respectively. Functional validation using RNAi confirmed that silencing of EAF2 expression modulated the response of HCT-116 colon cancer cells to both statins. In summary, we have successfully utilized the publicly available data on the NCI60 cell lines to perform whole-genome association studies for simvastatin and lovastatin. Our results indicated genes involved in the cellular response to these statins and siRNA studies confirmed the role of the EAF2 in response to these drugs in HCT-116 colon cancer cells.
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 ».