Prostate‐Specific genes and their regulation by dihydrotestosterone
Notice bibliographique
Résumé
BACKGROUND: Prostate is a well-known androgen-dependent tissue. METHODS: By sequencing 4,294,186 serial analysis of gene expression (SAGE) tags, we have investigated the transcriptomes of normal mouse prostate, liver, testis, lung, brain, femur, skin, adipose tissue, skeletal muscle, vagina, ovary, mammary gland, and uterus in order to identify the most abundant and tissue-specific transcripts in the prostate, as well as to target the androgen responsive transcripts specifically regulated in the prostate. Small interference RNA (siRNA) in LNCaP cells was applied to validate the roles of prostate-specific/enriched ARGs in the growth of human prostate cancer cells. RESULTS: The most abundant transcripts were involved in prostatic secretion, energy metabolism and immunity. Previously well-known prostate-specific transcripts, including many transcripts involved in prostatic secretion, polyamine biosynthesis and transport, and immunity were specific/enriched in the prostate. Only 22 transcripts among 114 androgen-regulated genes (ARGs) in the mouse prostate were modulated by dihydrotestosterone (DHT) in two or more tissues. The siRNA results showed that inhibition of HSPA5 and MAT2A gene expression repressed growth of human cancer LNCaP cells. CONCLUSIONS: The current study globally assessed the transcriptome of the prostate and revealed the most abundant and tissue-specific transcripts which are responsible for the unique functions of this organ. These prostate-specific ARGs might be used as targets to develop safe and effective gene-based therapy for the prevention and treatment of prostate cancer.
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 | 0,001 | 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 ».