MicroRNAs as Regulators of Signal Transduction in Urological Tumors
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
BACKGROUND: MicroRNAs (miRNAs) are short noncoding RNAs that have been shown to play pivotal roles in carcinogenesis. In the past decade, miRNAs have been the focus of much research in oncology, and there are great expectations for their utility as cancer biomarkers and therapeutic targets. CONTENT: In this review we examine how miRNAs can regulate signal transduction pathways in urological tumors. We performed in silico target prediction using TargetScan 5.1 to identify the signal transduction targets of miRNA, and we summarize the experimental evidence detailing miRNA regulation of pathways analyzed herein. SUMMARY: miRNAs, which have been shown to be dysregulated in bladder, prostate, and renal cell cancer, are predicted to target key proteins in signal transduction. Because androgen receptor signaling is a major regulator of prostate cancer growth, its regulation by miRNAs has been well described. In addition, members of the phosphatidylinositol 3-kinase/Akt (RAC-alpha serine/threonine-protein kinase) signaling pathway have been shown to be susceptible to miRNA regulation. In contrast, there are very few studies on the impact of miRNA regulation on signaling by VHL (von Hippel-Lindau tumor suppressor) and vascular endothelial growth factor in renal cell carcinoma or by fibroblast growth factor receptor 3 and p53 in bladder cancer. Many miRNAs are predicted to target important signaling pathways in urological tumors and are dysregulated in their respective cancer types; a systematic overview of miRNA regulation of signal transduction in urological tumors is pending. The identification of these regulatory networks might lead to novel targeted cancer therapies. In general, the targeting of miRNAs is a valuable approach to cancer therapy, as has been shown recently for various types of cancer.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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