Identification of 14‐3‐3zeta associated protein networks in oral cancer
Notice bibliographique
Résumé
Advancements in genomics, proteomics, and bioinformatics have improved our understanding of gene/protein networks involved in intra- and intercellular communication and tumor-host interactions. Using proteomics integrated with bioinformatics, previously we reported overexpression of 14-3-3ζ in premalignant oral lesions and oral squamous cell carcinoma tissues in comparison with normal oral epithelium. 14-3-3ζ emerged as a novel molecular target for therapeutics and a potential prognostic marker in oral squamous cell carcinoma patients. However, the role of 14-3-3ζ in development and progression of oral cancer is not known yet. This study aimed to identify the 14-3-3ζ associated protein networks in oral cancer cell lines using IP-MS/MS and bioinformatics. A total of 287 binding partners of 14-3-3ζ were identified in metastatic (MDA1986) and nonmetastatic (SCC4) oral cancer cell lines including other 14-3-3 isoforms (2%), proteins involved in apoptosis (2%), cytoskeleton (9%), metabolism (16%), and maintenance of redox potential (2%). Our bioinformatics analysis revealed involvement of 14-3-3ζ in protein networks regulating cell cycle, proliferation, apoptosis, cellular trafficking, and endocytosis in oral cancer. In conclusion, our data revealed several novel protein interaction networks involving 14-3-3ζ in oral cancer progression and metastasis.
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) | 0,000 | 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 ».