Epigenetic silencing of tumor suppressor genes: Paradigms, puzzles, and potential
Notice bibliographique
Résumé
Cancer constitutes a set of diseases with heterogeneous molecular pathologies. However, there are a number of universal aberrations common to all cancers, one of these being the epigenetic silencing of tumor suppressor genes (TSGs). The silencing of TSGs is thought to be an early, driving event in the oncogenic process. With this in consideration, great efforts have been made to develop small molecules aimed at the restoration of TSGs in order to limit tumor cell proliferation and survival. However, the molecular forces that drive the broad epigenetic reprogramming and transcriptional repression of these genes remain ill-defined. Undoubtedly, understanding the molecular underpinnings of transcriptionally silenced TSGs will aid us in our ability to reactivate these key anti-cancer targets. Here, we describe what we consider to be the five most logical molecular mechanisms that may account for this widely observed phenomenon: 1) ablation of transcription factor binding, 2) overexpression of DNA methyltransferases, 3) disruption of CTCF binding, 4) elevation of EZH2 activity, 5) aberrant expression of long non-coding RNAs. The strengths and weaknesses of each proposed mechanism is highlighted, followed by an overview of clinical efforts to target these processes.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».