Abstract 1898: MEG3 as a competing endogenous RNA binds with miR-27a to promote PHLPP2 protein translation, and consequently impairs bladder cancer invasion
Notice bibliographique
Résumé
Abstract Muscle invasion and metastasis of bladder cancer dramatically decrease survival rate, compared to 77% of 5 year survival rate of all bladder cancer, metastasis bladder cancer is only 5%. This truth implies that one of the therapeutic kernels of bladder cancer is to decrease, even block, its invasiveness. In the current study, we find that MEG3 is significantly downregulate in human muscle-invasive bladder cancer tissues compared with non-muscle invasive tissues. We also demonstrate the MEG3 strongly inhibits human bladder cancer cell invasiveness by acting as a ceRNA. We find that MEG3 competes with PHLPP2 mRNA for miR-27a binding, which leads to a decreased miR-27a activity, and subsequently reducing the translation inhibition of miR-27a to PHLPP2. The upregulated PHLPP2 decreases the c-Jun phosphorylation at Ser63/73, and in turn inhibits the c-Myc transcription and its mediated invasiveness of the bladder cancer cells. This is the first demonstration that MEG3 inhibits the invasiveness of human bladder cancer cells via negative regulation of c-Myc as a ceRNA. These findings not only provides a novel insight into understanding the mechanisms behind the MEG3 inhibiting the cancer cell invasion, but also reveals a potential targets for invasive bladder cancer prevention and therapy. Citation Format: Chao Huang, Xin Liao, Jingxia Li, Chuanshu Huang. MEG3 as a competing endogenous RNA binds with miR-27a to promote PHLPP2 protein translation, and consequently impairs bladder cancer invasion [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2017; 2017 Apr 1-5; Washington, DC. Philadelphia (PA): AACR; Cancer Res 2017;77(13 Suppl):Abstract nr 1898. doi:10.1158/1538-7445.AM2017-1898
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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.
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 ».