MétaCan
Menu
Retour à la cohorte
Enregistrement W2162357150 · doi:10.4161/15384101.2014.965061

Deregulation in STAT signaling is important for cutaneous T-cell lymphoma (CTCL) pathogenesis and cancer progression

2014· article· en· W2162357150 sur OpenAlexaff
Elena Netchiporouk, Ivan V. Litvinov, Linda Moreau, Martin Gilbert, Denis Sasseville, Madeleine Duvic

Notice bibliographique

RevueCell Cycle · 2014
Typearticle
Langueen
DomaineMedicine
ThématiqueCutaneous lymphoproliferative disorders research
Établissements canadiensUniversité LavalMcGill University Health Centre
Organismes subventionnairesNational Cancer Institute
Mots-clésSTAT5BiologyCancer researchSTAT4Autocrine signallingSignal transductionDownregulation and upregulationstatSOCS3microRNASTAT3KinaseImmunologyCytokinePathogenesisCell biologyReceptorGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Deregulation of STAT signaling has been implicated in the pathogenesis for a variety of cancers, including CTCL. Constitutive activation of STAT5 and STAT3 was observed in early and late stages of CTCL, respectively. In early stages, IL-2, IL-7 and IL-15 signaling via JAK1 and JAK3 kinases is believed to be responsible for activating STAT5, while in advanced stages development of IL-21 autocrine signaling is thought to be important for STAT3 activation. Recent molecular evidence further suggests that upregulation of STAT5 in early disease stages results in increased expression of oncogenic miR-155 microRNA that subsequently targets STAT4 expression on mRNA level. STAT4 signaling is known to be critical for T helper (Th) 1 phenotype differentiation and its loss results in a switch from Th1 to Th2 phenotype in malignant T cells. During this switch the expression of STAT6 is often upregulated in CTCL. In advanced stages, activation of STAT3 and STAT5 may become completely cytokine-independent and be driven only via constitutively active JAK1 and JAK3 kinases. Further research into the molecular pathogenesis of JAK/STAT signaling in this cancer may enable us to develop effective therapies for our patients.

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 enseignants0,002
Score d'incertitude au seuil0,005

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,014
Tête enseignante GPT0,306
Écart entre enseignants0,292 · 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

Citations132
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell CycleMême sujetCutaneous lymphoproliferative disorders researchTravaux en français237 207