MétaCan
Menu
Retour à la cohorte
Enregistrement W2731353557 · doi:10.1155/2017/3749157

Lysosomes as Oxidative Targets for Cancer Therapy

2017· review· en· W2731353557 sur OpenAlex

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.

Notice bibliographique

RevueOxidative Medicine and Cellular Longevity · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueAutophagy in Disease and Therapy
Établissements canadiensCancerCare ManitobaUniversity of ManitobaResearch Institute in Oncology and HematologyProvidence University College and Theological Seminary
Organismes subventionnairesnon disponible
Mots-clésAutophagyCancer cellCell biologyReactive oxygen speciesProgrammed cell deathOxidative stressLysosomeMitochondrionApoptosisBiologyCancerChemistryBiochemistryEnzyme

Résumé

récupéré en direct d'OpenAlex

Lysosomes are membrane-bound vesicles that contain hydrolases for the degradation and recycling of essential nutrients to maintain homeostasis within cells. Cancer cells have increased lysosomal function to proliferate, metabolize, and adapt to stressful environments. This has made cancer cells susceptible to lysosomal membrane permeabilization (LMP). There are many factors that mediate LMP such as Bcl-2 family member, p53; sphingosine; and oxidative stress which are often altered in cancer. Upon lysosomal disruption, reactive oxygen species (ROS) levels increase leading to lipid peroxidation, mitochondrial dysfunction, autophagy, and reactive iron. Cathepsins are also released causing degradation of macromolecules and cellular structures. This ultimately kills the cancer cell through different types of cell death (apoptosis, autosis, or ferroptosis). In this review, we will explore the contributions lysosomes play in inducing cell death, how this is regulated by ROS in cancer, and how lysosomotropic agents might be utilized to treat cancers.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,160
Tête enseignante GPT0,436
Écart entre enseignants0,276 · 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