Abstract LB-388: Macrophage migration inhibitory factor (MIF) plays a role in proliferation, differentiation, and survival of Ewing tumor cells through the activation of several kinases
Notice bibliographique
Résumé
Abstract Cytokines and chemokines are involved in various mechanisms of cell signaling networks, which control cell growth, proliferation, differentiation, and survival. In normal cells, expression of cytokines and their downstream cell signaling pathways are tightly and accurately regulated. However, it has been shown that cytokine signaling pathways are deregulated in many tumors. Thus, identification and understanding of deregulated cytokines and their related pathways may provide unique and promising opportunities for better-targeted therapies of cancer. In the previous experiments we showed that Macrophage migration Inhibitory Factor (MIF) is highly expressed in Ewing tumor cells and it is involved in the proliferation and survival of Ewing tumors. Our present data implies that MIF might functionally contribute to Ewing tumor cell growth, differentiation and survival through the activation of several kinases such as AMPK (AMP activated protein kinase), Paxillin and PYK2 (Protein Tyrosine Kinase2). In conclusion, coupled with earlier and present studies about MIF-dependent effects on Ewing tumors our data suggested that MIF might be involved in various pathways of Ewing tumor biology and might be a promising target of Ewing tumor cells therapy. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 101st Annual Meeting of the American Association for Cancer Research; 2010 Apr 17-21; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2010;70(8 Suppl):Abstract nr LB-388.
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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».