Tumour suppressor genes in chemotherapeutic drug response
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Since cancer is one of the leading causes of death worldwide, there is an urgent need to find better treatments. Currently, the use of chemotherapeutics remains the predominant option for cancer therapy. However, one of the major obstacles for successful cancer therapy using these chemotherapeutics is that patients often do not respond or eventually develop resistance after initial treatment. Therefore identification of genes involved in chemotherapeutic response is critical for predicting tumour response and treating drug-resistant cancer patients. A group of genes commonly lost or inactivated are tumour suppressor genes, which can promote the initiation and progression of cancer through regulation of various biological processes such as cell proliferation, cell death and cell migration/invasion. Recently, mounting evidence suggests that these tumour suppressor genes also play a very important role in the response of cancers to a variety of chemotherapeutic drugs. In the present review, we will provide a comprehensive overview on how major tumour suppressor genes [Rb (retinoblastoma), p53 family, cyclin-dependent kinase inhibitors, BRCA1 (breast-cancer susceptibility gene 1), PTEN (phosphatase and tensin homologue deleted on chromosome 10), Hippo pathway, etc.] are involved in chemotherapeutic drug response and discuss their applications in predicting the clinical outcome of chemotherapy for cancer patients. We also propose that tumour suppressor genes are critical chemotherapeutic targets for the successful treatment of drug-resistant cancer patients in future applications.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 découle