Genome-Wide Study of Hypomethylated and Induced Genes in Patients with Liver Cancer Unravels Novel Anticancer Targets
Notice bibliographique
Résumé
PURPOSE: We utilized whole-genome mapping of promoters that are activated by DNA hypomethylation in hepatocellular carcinoma (HCC) clinical samples to shortlist novel targets for anticancer therapeutics. We provide a proof of principle of this approach by testing six genes short-listed in our screen for their essential role in cancer growth and invasiveness. EXPERIMENTAL DESIGN: We used siRNA- or shRNA-mediated depletion to determine whether inhibition of these genes would reduce human tumor xenograft growth in mice as well as cell viability, anchorage-independent growth, invasive capacities, and state of activity of nodal signaling pathways in liver, breast, and bladder cancer cell lines. RESULTS: Depletion of EXOSC4, RNMT, SENP6, WBSCR22, RASAL2, and NENF effectively and specifically inhibits cancer cell growth and cell invasive capacities in different types of cancer, but, remarkably, there is no effect on normal cell growth, suggesting a ubiquitous causal role for these genes in driving cancer growth and metastasis. Depletion of RASAL2 and NENF in vitro reduces their growth as explants in vivo in mice. RASAL2 and NENF depletion interferes with AKT, WNT, and MAPK signaling pathways as well as regulation of epigenetic proteins that were previously demonstrated to drive cancer growth and metastasis. CONCLUSION: Our results prove that genes that are hypomethylated and induced in tumors are candidate targets for anticancer therapeutics in multiple cancer cell types. Because these genes are particularly activated in cancer, they constitute a group of targets for specific pharmacologic inhibitors of cancer and cancer metastasis. Clin Cancer Res; 20(12); 3118-32. ©2014 AACR.
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 | 0,002 | 0,000 |
| 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 ».