Overview of transcriptomic analysis of all human proteases, non-proteolytic homologs and inhibitors: Organ, tissue and ovarian cancer cell line expression profiling of the human protease degradome by the CLIP-CHIP™ DNA microarray
Notice bibliographique
Résumé
The protease degradome is defined as the complete repertoire of proteases and inhibitors, and their nonfunctional homologs present in a cell, tissue or organism at any given time. We review the tissue distribution of virtually the entire degradome in 23 different human tissues and 6 ovarian cancer cell lines. To do so, we developed the CLIP-CHIP™, a custom microarray based on a 70-mer oligonucleotide platform, to specifically profile the transcripts of the entire repertoire of 473 active human proteases, 156 protease inhibitors and 92 non-proteolytically active homologs known at the design date using one specific 70-mer oligonucleotide per transcript. Using the CLIP-CHIP™ we mapped the expression profile of proteases and their inhibitors in 23 different human tissues and 6 ovarian cancer cell lines in 104 sample datasets. Hierarchical cluster analysis showed that expression profiles clustered according to their anatomic locations, cellular composition, physiologic functions, and the germ layer from which they are derived. The human ovarian cancer cell lines cluster according to malignant grade. 110 proteases and 42 inhibitors were tissue specific (1 to 3 tissues). Of these 110 proteases 69% (74) are mainly extracellular, 30% (34) intracellular and 1% intramembrane. Notably, 35% (197/565) of human proteases and 30% (47/156) of inhibitors were ubiquitously expressed in all 23 tissues; 27% (155) of proteases and 21% (32) of inhibitors were broadly expressed in 4-20 tissues. Our datasets provide a valuable resource for the community of baseline protease and inhibitor relative expression in normal human tissues and can be used for comparison with diseased tissue, e.g. ovarian cancer, to decipher pathogenesis, and to aid drug development. This article is part of a Special Issue entitled: Proteolysis as a Regulatory Event in Pathophysiology edited by Stefan Rose-John.
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) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».