Uncovering Growth-Suppressive MicroRNAs in Lung Cancer
Notice bibliographique
Résumé
PURPOSE: MicroRNA (miRNA) expression profiles improve classification, diagnosis, and prognostic information of malignancies, including lung cancer. This study uncovered unique growth-suppressive miRNAs in lung cancer. EXPERIMENTAL DESIGN: miRNA arrays were done on normal lung tissues and adenocarcinomas from wild-type and proteasome degradation-resistant cyclin E transgenic mice to reveal repressed miRNAs in lung cancer. Real-time and semiquantitative reverse transcription-PCR as well as in situ hybridization assays validated these findings. Lung cancer cell lines were derived from each transgenic line (designated as ED-1 and ED-2 cells, respectively). Each highlighted miRNA was independently transfected into these cells. Growth-suppressive mechanisms were explored. Expression of a computationally predicted miRNA target was examined. These miRNAs were studied in a paired normal-malignant human lung tissue bank. RESULTS: miR-34c, miR-145, and miR-142-5p were repressed in transgenic lung cancers. Findings were confirmed by real-time and semiquantitative reverse transcription-PCR as well as in situ hybridization assays. Similar miRNA profiles occurred in human normal versus malignant lung tissues. Individual overexpression of miR-34c, miR-145, and miR-142-5p in ED-1 and ED-2 cells markedly repressed cell growth. Anti-miR cotransfections antagonized this inhibition. The miR-34c target, cyclin E, was repressed by miR-34c transfection and provided a mechanism for observed growth suppression. CONCLUSIONS: miR-34c, miR-145, and miR-142-5p were repressed in murine and human lung cancers. Transfection of each miRNA significantly repressed lung cancer cell growth. Thus, these miRNAs were growth suppressive and are proposed to exert antineoplastic effects in the lung.
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 | 0,001 | 0,001 |
| 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 ».