MétaCan
Menu
Retour à la cohorte
Enregistrement W2594834464 · doi:10.1155/2017/3684178

Mechanisms Regulating Stemness and Differentiation in Embryonal Carcinoma Cells

2017· review· en· W2594834464 sur OpenAlexafffund
Gregory M. Kelly, Mohamed I. Gatie

Notice bibliographique

RevueStem Cells International · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEpigenetics and DNA Methylation
Établissements canadiensChildren’s Health Research InstituteHospital for Sick ChildrenWestern University
Organismes subventionnairesDivision of Electrical, Communications and Cyber SystemsNatural Sciences and Engineering Research Council of CanadaWestern University
Mots-clésEmbryonic stem cellEpigeneticsEmbryonal carcinomaStem cellBiologyRetinoic acidCancer stem cellCell biologyCellular differentiationCancer researchGeneticsCell cultureGene

Résumé

récupéré en direct d'OpenAlex

Just over ten years have passed since the seminal Takahashi-Yamanaka paper, and while most attention nowadays is on induced, embryonic, and cancer stem cells, much of the pioneering work arose from studies with embryonal carcinoma cells (ECCs) derived from teratocarcinomas. This original work was broad in scope, but eventually led the way for us to focus on the components involved in the gene regulation of stemness and differentiation. As the name implies, ECCs are malignant in nature, yet maintain the ability to differentiate into the 3 germ layers and extraembryonic tissues, as well as behave normally when reintroduced into a healthy blastocyst. Retinoic acid signaling has been thoroughly interrogated in ECCs, especially in the F9 and P19 murine cell models, and while we have touched on this aspect, this review purposely highlights how some key transcription factors regulate pluripotency and cell stemness prior to this signaling. Another major focus is on the epigenetic regulation of ECCs and stem cells, and, towards that end, this review closes on what we see as a new frontier in combating aging and human disease, namely, how cellular metabolism shapes the epigenetic landscape and hence the pluripotency of all stem cells.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,046
Tête enseignante GPT0,317
Écart entre enseignants0,271 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueStem Cells InternationalMême sujetEpigenetics and DNA MethylationTravaux en français237 207