MétaCan
Menu
Retour à la cohorte
Enregistrement W2214296283 · doi:10.1158/1538-7445.sabcs14-p1-06-02

Abstract P1-06-02: Identifying hypermethylated tumor suppressor genes in breast cancer with an in vivo total genome knockdown screen

2015· article· en· W2214296283 sur OpenAlexaff
Margaret L. Thomas, Krysta M. Coyle, Mohammad Sultan, Lu-Zhe Pan, Dae‐Gyun Ahn, Patrick Lee, Carman A. Giacomantonio, Paola Marcato

Notice bibliographique

RevueCancer Research · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésSmall hairpin RNAGene knockdownCancer researchBreast cancerDecitabineDNA methylationCancerBiologyMethylationGeneMolecular biologyGene expressionGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Changes in gene expression are required for the progression of breast cancer; and DNA methylation, which silences tumor suppressor genes, is often responsible for these changes. Several de-methylating/DNA synthesis inhibiting drugs (such as decitabine) are potential breast cancer therapies; however, for their application to be successful, we need to identify which patients would most benefit from these treatments. To accomplish this, the critical genes, which must be silenced by hypermethylation in order for breast cancer to progress, need to be identified. For this purpose, we have performed an in vivo total genome knockdown screen. A genome-wide lentiviral-based shRNA screen was performed with breast cancer cell line MDA-MB-231 tumors implanted in the mammary fat pads of female NOD/SCID mice, with or without decitabine treatment (50mg/kg). The resulting tumors were harvested and shRNA sequences retrieved and hybridized to a Decode microarray, allowing for the identification of shRNA sequences that were enriched or depleted under decitabine treatment. The enriched shRNA sequences likely target genes of two categories: 1) they are methylated in the tumor and when expressed have tumor suppressive function, or 2) they are required for decitabine-mediated DNA synthesis inhibition and apoptosis. To determine if the shRNA-targeted genes identified in the screen fall within category 1 or 2, further analysis was done using GEO datasets for methylation in breast cancer cell lines, primary tumors, and normal breast tissues. In replicates of 6 mice, 111 shRNA sequences were enriched more than 2-fold in 5/6 mice. Of the 111 genes, 29 genes showed significant enrichment (p<0.05) in the decitabine-treated tumors. Using the GEO datasets, 19 of those significantly enriched genes fit a tumor suppressor methylation profile and merit further investigation of their methylation status in the MDA-MB-231 cell line. The remaining enriched genes may play a role in DNA synthesis inhibition and apoptosis- this will be confirmed with in vitro apoptosis assays. DAVID analyses did not reveal any functional clustering of the genes of interest, but did implicate several pathways that involved a single potential hypermethylated tumor suppressor gene. We have identified several genes that are hypermethylated in breast cancer and are potentially involved in tumor progression. Confirmation experiments will reveal a list of genes that when found hypermethylated in patient tumors would identify candidate breast cancer patients who would benefit from decitabine treatment. Citation Format: Margaret Thomas, Krysta Coyle, Mohammad Sultan, Luzhe Pan, Dae-Gyun Ahn, Patrick Lee, Carman Giacomantonio, Paola Marcato. Identifying hypermethylated tumor suppressor genes in breast cancer with an in vivo total genome knockdown screen [abstract]. In: Proceedings of the Thirty-Seventh Annual CTRC-AACR San Antonio Breast Cancer Symposium: 2014 Dec 9-13; San Antonio, TX. Philadelphia (PA): AACR; Cancer Res 2015;75(9 Suppl):Abstract nr P1-06-02.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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)0,0030,001

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 Opus0,077
Tête enseignante GPT0,381
Écart entre enseignants0,304 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ResearchMême sujetRNA modifications and cancerTravaux en français237 207