MétaCan
Menu
Retour à la cohorte
Enregistrement W2156150950 · doi:10.1101/gad.1975111

Regulation of E2Fs and senescence by PML nuclear bodies

2011· article· en· W2156150950 sur OpenAlexafffund
Mathieu Vernier, Véronique Bourdeau, Marie‐France Gaumont‐Leclerc, Olga Moiseeva, Virginie Bégin, Fred Saad, Anne‐Marie Mes‐Masson, Gerardo Ferbeyre

Notice bibliographique

RevueGenes & Development · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRetinoids in leukemia and cellular processes
Établissements canadiensCentre Hospitalier de l’Université de MontréalUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBiologyPromyelocytic leukemia proteinRetinoblastoma proteinE2FSenescenceCell biologyNuclear proteinCancer researchRetinoblastomaTranscription factorCell cycleCell Cycle ProteinTumor suppressor geneGeneGeneticsCarcinogenesis

Résumé

récupéré en direct d'OpenAlex

The tumor suppressor PML (promyelocytic leukemia protein) regulates cellular senescence and terminal differentiation, two processes that implicate a permanent exit from the cell cycle. Here, we show that the mechanism by which PML induces a permanent cell cycle exit and activates p53 and senescence involves a recruitment of E2F transcription factors bound to their promoters and the retinoblastoma (Rb) proteins to PML nuclear bodies enriched in heterochromatin proteins and protein phosphatase 1α. Blocking the functions of the Rb protein family or adding back E2Fs to PML-expressing cells can rescue their defects in E2F-dependent gene expression and cell proliferation, inhibiting the senescent phenotype. In benign prostatic hyperplasia, a neoplastic disease that displays features of senescence, PML was found to be up-regulated and forming nuclear bodies. In contrast, PML bodies were rarely visualized in prostate cancers. The newly defined PML/Rb/E2F pathway may help to distinguish benign tumors from cancers, and suggest E2F target genes as potential targets to induce senescence in human tumors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,196
Écart entre enseignants0,186 · 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 source (Gemma direct ou Codex distillé), 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

Citations160
Publié2011
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenes & DevelopmentMême sujetRetinoids in leukemia and cellular processesTravaux en français237 207