MétaCan
Menu
Retour à la cohorte
Enregistrement W2254159632 · doi:10.1002/ijc.29947

<sup>1</sup>H NMR metabolomics analysis of renal cell carcinoma cells: Effect of VHL inactivation on metabolism

2015· article· en· W2254159632 sur OpenAlexafffund
Miroslava Čuperlović‐Culf, Kévin Cormier, Mohamed Touaibia, Julie Reyjal, Sarah Robichaud, Mehdi Belbraouet, Sandra Turcotte

Notice bibliographique

RevueInternational Journal of Cancer · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensAtlantic Cancer Research InstituteNational Research Council CanadaUniversité de Moncton
Organismes subventionnairesCanadian Institutes of Health ResearchNew Brunswick Innovation FoundationFondation de la recherche en santé du Nouveau-Brunswick
Mots-clésPI3K/AKT/mTOR pathwayCancer researchMetabolismBiologyHypoxia-inducible factorsMetabolomicsProtein kinase BCellDownregulation and upregulationCell cultureMetabolic pathwayChemistryCell biologyEndocrinologySignal transductionBiochemistryBioinformaticsGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Von Hippel-Lindau (VHL) is an onco-suppressor involved in oxygen and energy-dependent promotion of protein ubiquitination and proteosomal degradation. Loss of function mutations of VHL (VHL-cells) result in organ specific cancers with the best studied example in renal cell carcinomas. VHL has a well-established role in deactivation of hypoxia-inducible factor (HIF-1) and in regulation of PI3K/AKT/mTOR activity. Cell culture metabolomics analysis was utilized to determined effect of VHL and HIF-1α or HIF-2α on metabolism of renal cell carcinomas (RCC). RCC cells were stably transfected with VHL or shRNA designed to silence HIF-1α or HIF-2α genes. Obtained metabolic data was analysed qualitatively, searching for overall effects on metabolism as well as quantitatively, using methods developed in our group in order to determine specific metabolic changes. Analysis of the effect of VHL and HIF silencing on cellular metabolic footprints and fingerprints provided information about the metabolic pathways affected by VHL through HIF function as well as independently of HIF. Through correlation network analysis as well as statistical analysis of significant metabolic changes we have determined effects of VHL and HIF on energy production, amino acid metabolism, choline metabolism as well as cell regulation and signaling. VHL was shown to influence cellular metabolism through its effect on HIF proteins as well as by affecting activity of other 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

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 Opus0,010
Tête enseignante GPT0,279
Écart entre enseignants0,269 · 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

Citations33
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of CancerMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207