MétaCan
Menu
Retour à la cohorte
Enregistrement W2131308193 · doi:10.1038/onc.2013.347

Insulin activates the insulin receptor to downregulate the PTEN tumour suppressor

2013· article· en· W2131308193 sur OpenAlexaff
Jun Liu, Stacy Grieve, Jeff R. Boudreau, Benjamin Yeung, S J Lo, Gabriel Chamberlain, Fabian P.S. Yu, Tiansong Sun, Tony Papanicolaou, Annie Lam, Xiaolong Yang, Ian D. Chin-Sang

Notice bibliographique

RevueOncogene · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensQueen's University
Organismes subventionnairesNational Institutes of HealthOklahoma Medical Research Foundation
Mots-clésPTENTensinBiologyHyperinsulinemiaInsulin receptorInsulinCancer researchEndocrinologySignal transductionProtein kinase BInternal medicineDownregulation and upregulationPI3K/AKT/mTOR pathwayCell biologyInsulin resistanceGeneticsMedicineGene

Résumé

récupéré en direct d'OpenAlex

Insulin and insulin-like growth factor-1 signaling have fundamental roles in energy metabolism, growth and development. Recent research suggests hyperactive insulin receptor (IR) and hyperinsulinemia are cancer risk factors. However, the mechanisms that account for the link between the hyperactive insulin signaling and cancer risk are not well understood. Here we show that an insulin-like signaling inhibits the DAF-18/(phosphatase and tensin homolog) PTEN tumour suppressor in Caenorhabditis elegans and that this regulation is conserved in human breast cancer cells. We show that inhibiting the IR increases PTEN protein levels, while increasing insulin signaling decreases PTEN protein levels. Our results show that the kinase region of IRβ subunit physically binds to PTEN and phosphorylates on Y27 and Y174. Our genetic results also show that DAF-2/IR negatively regulates DAF-18/PTEN during C. elegans axon guidance. As PTEN is an important tumour suppressor, our results therefore suggest a possible mechanism for increased cancer risk observed in hyperinsulinemia and hyperactive IR individuals.

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 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 enseignants0,449
Score d'incertitude au seuil0,730

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 ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,009
Tête enseignante GPT0,232
Écart entre enseignants0,223 · 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.

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

Citations38
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOncogeneMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207