MétaCan
Menu
Retour à la cohorte
Enregistrement W2166242782 · doi:10.1261/rna.042168.113

Tumor microenvironment–associated modifications of alternative splicing

2013· article· en· W2166242782 sur OpenAlexafffund
Jean‐Philippe Brosseau, Jean‐François Lucier, Hanad Nwilati, Philippe Thibault, Daniel Garneau, Daniel Gendron, Mathieu Durand, Sonia Couture, Elvy Lapointe, Panagiotis Prinos, Roscoe Klinck, Jean‐Pierre Perreault, Benoı̂t Chabot, Sherif Abou Elela

Notice bibliographique

RevueRNA · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health ResearchUniversité de Sherbrooke
Mots-clésRNA splicingBiologyAlternative splicingTumor microenvironmentSplicing factorMinigeneOvarian cancerCancer researchMessenger RNACell biologyCancerGeneGeneticsRNA

Résumé

récupéré en direct d'OpenAlex

Pre-mRNA alternative splicing is modified in cancer, but the origin and specificity of these changes remain unclear. Here, we probed ovarian tumors to identify cancer-associated splicing isoforms and define the mechanism by which splicing is modified in cancer cells. Using high-throughput quantitative PCR, we monitored the expression of splice variants in laser-dissected tissues from ovarian tumors. Surprisingly, changes in alternative splicing were not limited to the tumor tissues but were also found in the tumor microenvironment. Changes in the tumor-associated splicing events were found to be regulated by splicing factors that are differentially expressed in cancer tissues. Overall, ∼20% of the alternative splicing events affected by the down-regulation of the splicing factors QKI and RBFOX2 were altered in the microenvironment of ovarian tumors. Together, our results indicate that the tumor microenvironment undergoes specific changes in alternative splicing orchestrated by a limited number of splicing factors.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,253
Écart entre enseignants0,241 · 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'étudeObservationnel
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

Citations69
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueRNAMême sujetRNA Research and SplicingTravaux en français237 207