MétaCan
Menu
Retour à la cohorte
Enregistrement W2547555153 · doi:10.1021/acs.molpharmaceut.6b00711

Single and Combinational siRNA Therapy of Cancer Cells: Probing Changes in Targeted and Nontargeted Mediators after siRNA Treatment

2016· article· en· W2547555153 sur OpenAlexafffund
Hamidreza Montazeri Aliabadi, Parvin Mahdipoor, Marco Bisoffi, Judith Hugh, Hasan Uludağ

Notice bibliographique

RevueMolecular Pharmaceutics · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensUniversity of Alberta
Organismes subventionnairesCanadian Cancer SocietyNatural Sciences and Engineering Research Council of CanadaChapman University
Mots-clésGene silencingSmall interfering RNARNA interferenceBiologyCell biologyCellCancer cellCancer researchPopulationCancerMessenger RNARNAGeneGeneticsMedicine

Résumé

récupéré en direct d'OpenAlex

Cancer cells are known to be heterogeneous and plastic, which imparts innate and acquired abilities to resist molecular targeting by short interfering RNA (siRNA). Not all cancer cells in a population would show a similar responsiveness to targeting of genes critical for their survival and even the responders could quickly transform and switch to alternative mechanism(s) for their survival. This study was designed to look at this phenomenon by analyzing the effect of siRNA silencing of selected protein mRNAs involved in cell survival and proliferation on other protein mRNAs that could contribute to cell survival. We compared the gene expression profile of the initial population after siRNA silencing to the subpopulation that survived the siRNA silencing, to identify potential overexpressions that might explain the cell survival. Our studies show that silencing well-selected protein mRNAs simultaneously could offer advantages compared to individual siRNA silencing due to an additional impact on the expression level of certain protein mRNAs. We also demonstrate that overexpression of certain protein mRNAs could explain the innate unresponsiveness of a subpopulation of cells. These observations could be a stepping stone for further investigation of the possibility of significant synergistic effect for this combinational RNA interference strategy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,036
Score d'incertitude au seuil0,472

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,283
Écart entre enseignants0,265 · 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 tête enseignante, 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

Citations12
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular PharmaceuticsMême sujetRNA Interference and Gene DeliveryTravaux en français237 207