MétaCan
Menu
← Retour à la cohorte
Enregistrement W2742128580 · doi:10.1158/1538-7445.am2017-830

Abstract 830: MiRNA-106a and LITAF are novel modulators of prostate cancer radioresistance

2017· article· en· W2742128580 sur OpenAlexaff
Christianne Hoey, Jessica Ray, Paul C. Boutros, Stanley K. Liu

Notice bibliographique

RevueCancer Research · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensSunnybrook Health Science CentreUniversity Health NetworkSunnybrook HospitalOntario Institute for Cancer ResearchUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésRadioresistanceClonogenic assayProstate cancerCancer researchmicroRNAGene knockdownCarcinogenesisCancerBiologyMedicineRadiation therapyGeneInternal medicineCellGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Prostate cancer (PCa) is the second most prevalent cancer affecting men worldwide, with radiotherapy being a primary treatment modality. PCa recurrence is a major clinical problem with up to a 40% biochemical recurrence rate at five years after external beam radiotherapy (ionizing radiation, IR). Therefore, there is an unmet need to characterize radioresistance in order to improve therapy and patient outcomes. MicroRNAs (miRNAs) are small non-coding RNAs that regulate gene expression. MiRNAs are aberrantly expressed in cancer, specifically, miR-106a has been found to be overexpressed in various cancer types. The purpose of this study is to determine whether miR-106a confers IR resistance and tumor aggression in PCa. Utilizing The Cancer Genome Atlas Data Portal, bioinformatics analysis discovered that miR-106a was significantly overexpressed in PCa samples relative to normal prostate. This suggests that miR-106a is involved in prostate carcinogenesis. Clonogenic survival assays revealed that cells overexpressing miR-106a had increased survival after IR treatment compared to control cells. Proliferation assays showed that miR-106a cells had a higher proliferation rate than control cells in both unirradiated and IR-treated cells. Affymetrix gene array analysis was used to identify possible targets of miR-106a. Combining results from the gene array, in silico prediction algorithms, and in vitro analyses, we identified lipopolysaccharide-induced TNFα factor (LITAF) as a target of miR-106a. In addition, LITAF knockdown lead to increased proliferation and clonogenic survival following IR, recapitulating the phenotype of miR-106a overexpression. Cells were stained for β-galactosidase expression following IR to assess senescence, as a mode of cell death. We found that both miR-106a overexpression and LITAF knockdown resulted in significantly fewer senescent cells post-IR. Upon examination of critical DNA damage response genes, we found that miR-106a overexpression and LITAF knockdown increased expression of ATM mRNA and protein. Upregulation of ATM is associated with IR resistance, elucidating the mechanism by which miR-106a overexpression and LITAF knockdown are involved in radioresistance. Tumor xenograft experiments, using a PCa cell line stably overexpressing miR-106a, confirmed that miR-106a increases proliferation compared to control tumors before and after IR. Thus, our results strongly suggest that miR-106a is involved in PCa aggression and confers a radiation-resistant phenotype, by targeting the novel radiation response gene LITAF. Note: This abstract was not presented at the meeting. Citation Format: Christianne Hoey, Jessica Ray, Paul Boutros, Stanley K. Liu. MiRNA-106a and LITAF are novel modulators of prostate cancer radioresistance [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 830. doi:10.1158/1538-7445.AM2017-830

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
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)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,384
Écart entre enseignants0,337 · 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'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

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetMicroRNA in disease regulation→Travaux en français237 207→