Abstract 4949: microRNA (miR) analysis as a tool for discovering platinum resistance mechanisms in non-small cell lung cancer (NSCLC)
Notice bibliographique
Résumé
Abstract Background: NSCLC is the most common cause of cancer-related death in the world. Platinum-based chemotherapy is the mainstay of treatment both in the adjuvant and the metastatic settings, but platinum resistance is common. A variety of mechanisms have been reported to underlie platinum-resistance. miRs are short non-coding RNA molecules, each regulating a large number of genes. We hypothesized that in platinum-resistant NSCLC cells, a small number of differentially expressed miRs modulating an abundance of gene products, activate in concert a large number of platinum-resistance mechanisms. Aim: To uncover mechanisms of platinum-resistance in NSCLC, by indentifying miRs differentially expressed in platinum resistant cells. Methods: Platinum-resistant cell lines were created by cisplatin selection of Calu6 and NCI-H23, NSCLC cell lines. RNA was hybridized to Affymetrix miR arrays, followed by TargetScan algorithm analysis. Levels of specific miRs were quantified by RT-PCR (ABI) and were modulated by miR inhibitors (Ambion). Results: Two sets of sensitive (S) and platinum-resistant (R) cell lines were created, each set consisting of a parental S line and several R sub-lines. miR array analysis was performed on the S and R lines. miRs that were significantly more abundant in each of four R lines compared to the corresponding S lines were compiled. Genes predicted to be targeted by each of those miRs with a p value < .05 were tabulated. Surprisingly, only 16 genes were common to those four gene lists, including CDK6, an important G1-S cell cycle regulator. mRNA and protein levels of CDK6 were higher in S compared to R lines, and accordingly, growth rate of R lines was slower. miR145, one of the miRs upregulated in the R lines, is predicted to target CDK6. Transfection of a miR145 inhibitor resulted in a mild increase in mRNA levels of CDK6, supporting its role as a regulator of CDK6. Conclusions: Utilizing a number of biological systems (sets of cells lines) that model the same phenotype (platinum resistance) allows for a robust analysis of the involved molecules. miR profiling of multiple systems can identify genes that are commonly regulated in different systems by different miRs. Using this approach we discovered upregulation of miRs, including miR145, resulting in downregulation of CDK6, as a potential mechanism of platinum resistance in NSCLC. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the 102nd Annual Meeting of the American Association for Cancer Research; 2011 Apr 2-6; Orlando, FL. Philadelphia (PA): AACR; Cancer Res 2011;71(8 Suppl):Abstract nr 4949. doi:10.1158/1538-7445.AM2011-4949
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,005 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».