MétaCan
Menu
Retour à la cohorte
Enregistrement W2157017883 · doi:10.1007/s12079-011-0147-x

Sp1king out cancer (....and fibrosis?)

2011· article· en· W2157017883 sur OpenAlexaff
Andrew Leask

Notice bibliographique

RevueJournal of Cell Communication and Signaling · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueKruppel-like factors research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésCarcinogenesisCancerTranscription factorCancer researchFibrosisSp1 transcription factorMedicineBioinformaticsGeneBiologyGene expressionPromoterGeneticsInternal medicine

Résumé

récupéré en direct d'OpenAlex

It is becoming increasingly apparent that many of the basic mechanisms underlying cancers also underlie fibrotic diseases. For example, the Sp1 family of transcription factors plays an essential role in controlling the gene expression of proteins that promote both oncogenesis and fibrogenesis. The drug mithramycin, which prevents Sp1 binding to DNA, has been in use clinically for some cancers, but has side-effects. However, other drugs exist that affect Sp1 activity through promoting Sp1 protein degradation. Evidence has emerged that low levels of mithramycin can be combined with these drugs to result in potent antitumorigenic effects without resulting in obvious toxicity (Gao et al. Cancer Res 2011 Jun 20; Jia et al. Cancer Res 70:1111-1119, 2010). Given that Sp1 proteins also promote expression of profibrotic genes such as collagen type I and CCN2, it is possible that this combinatorial approach may be taken in the future to block not only cancer but also fibrosis.

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 enseignants0,010
Score d'incertitude au seuil0,211

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

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 Opus0,050
Tête enseignante GPT0,307
Écart entre enseignants0,257 · 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

Citations2
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Cell Communication and SignalingMême sujetKruppel-like factors researchTravaux en français237 207