MétaCan
Menu
Retour à la cohorte
Enregistrement W2621936089 · doi:10.1186/s13058-017-0855-0

Molecular characterization of breast cancer cell lines through multiple omic approaches

2017· article· en· W2621936089 sur OpenAlex
Shari Smith, Paul Mellor, Alison K Ward, Stephanie Kendall, Megan McDonald, Frederick S. Vizeacoumar, Franco J. Vizeacoumar, Scott Napper, Deborah H. Anderson

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.
fundUn bailleur canadien est enregistré sur le travail.

Notice bibliographique

RevueBreast Cancer Research · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBreast Cancer Treatment Studies
Établissements canadiensSaskatchewan Cancer AgencyUniversity of Saskatchewan
Organismes subventionnairesCanadian Cancer SocietySaskatchewan Health Research FoundationSaskatchewan Cancer Agency
Mots-clésSurgical oncologyBreast cancerMedicineComputational biologyOmicsBioinformaticsOncologyCancerInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Breast cancer cell lines are frequently used as model systems to study the cellular properties and biology of breast cancer. Our objective was to characterize a large, commonly employed panel of breast cancer cell lines obtained from the American Type Culture Collection (ATCC 30-4500 K) to enable researchers to make more informed decisions in selecting cell lines for specific studies. Information about these cell lines was obtained from a wide variety of sources. In addition, new information about cellular pathways that are activated within each cell line was generated. METHODS: We determined key protein expression data using immunoblot analyses. In addition, two analyses on serum-starved cells were carried out to identify cellular proteins and pathways that are activated in these cells. These analyses were performed using a commercial PathScan array and a novel and more extensive phosphopeptide-based kinome analysis that queries 1290 phosphorylation events in major signaling pathways. Data about this panel of breast cancer cell lines was also accessed from several online sources, compiled and summarized for the following areas: molecular classification, mRNA expression, mutational status of key proteins and other possible cancer-associated mutations, and the tumorigenic and metastatic capacity in mouse xenograft models of breast cancer. RESULTS: The cell lines that were characterized included 10 estrogen receptor (ER)-positive, 12 human epidermal growth factor receptor 2 (HER2)-amplified and 18 triple negative breast cancer cell lines, in addition to 4 non-tumorigenic breast cell lines. Within each subtype, there was significant genetic heterogeneity that could impact both the selection of model cell lines and the interpretation of the results obtained. To capture the net activation of key signaling pathways as a result of these mutational combinations, profiled pathway activation status was examined. This provided further clarity for which cell lines were particularly deregulated in common or unique ways. CONCLUSIONS: These two new kinase or "Kin-OMIC" analyses add another dimension of important data about these frequently used breast cancer cell lines. This will assist researchers in selecting the most appropriate cell lines to use for breast cancer studies and provide context for the interpretation of the emerging results.

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.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,443
Score d'incertitude au seuil0,995

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 technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,076
Tête enseignante GPT0,358
Écart entre enseignants0,282 · 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