Identification of genes and molecular pathways involved in the progression of premalignant oral epithelia
Notice bibliographique
Résumé
An early interventional effort in oral premalignancy requires novel molecular targets and diagnostic biomarkers to delay or reverse incidences of malignant progression. Microarray-based transcriptional profiling in disease states provides global insight into the causal biomolecular processes and novel pathways involved. In this study, we investigated transcript profiles in precancerous oral lesions to identify nearly 1,700 genes as significantly overexpressed or underexpressed and a primarily affected metabolic pathway that may be responsible for irreversible transition to progressive stages of oral cancer. For the first time, we show a convergence of several genes and pathways known for their oncogenic capabilities, in progression of premalignant oral epithelial tissues. This study consequently provides a molecular basis for persistent proinflammatory conditions in oral premalignant tissues. We found that lipocalin-type prostaglandin D(2) synthase (PTGDS), a key enzyme in the arachidonic acid metabolism pathway, as repressed in premalignant stages. We show the protective role of these enzyme-derived metabolites in inhibiting cell proliferation using an in vitro oral cancer progression model. We have also confirmed the overexpression of two invasion-related biomarkers, psoriasin (PSOR1) and versican (CSPG2), in oral premalignant and malignant archival tissues. Our results clearly indicate that pharmacologic intervention with anti-inflammatory prostaglandin D(2)-like analogues may help prevent or delay oral epithelial carcinogenesis because of metabolic restoration of a negative feedback regulatory loop through its several cognate receptors or target molecules. Further studies directed toward a multitude of possible protective mechanisms of this lipocalin-type enzyme or its products in oral cancer progression are warranted.
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 ».