MétaCan
Menu
Retour à la cohorte
Enregistrement W2761644596 · doi:10.24870/cjb.2017-a49

Identification of genes responsible for anti-VEGF resistance in tumor cells

2017· article· en· W2761644596 sur OpenAlexvenueno aff
Kesavan R. Arya, Achuthsankar S. Nair, P. R. Sudhakaran

Notice bibliographique

RevueCanadian Journal of Biotechnology · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAngiogenesis and VEGF in Cancer
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIdentification (biology)GeneVEGF receptorsBiologyComputational biologyCancer researchGenetics

Résumé

récupéré en direct d'OpenAlex

Angiogenesis is the process of formation of new blood vessels from pre-existing vessels, which plays a key role in physiological as well as pathological conditions. It is a tightly regulated process involving the interplay of a number of pro and anti-angiogenic factors. Dysregulation of the balance between these factors lead to excess angiogenesis or inhibition of angiogenesis contributing to pathological conditions such as cancer, inflammation, atherosclerosis, tumor growth & rheumatoid arthritis. Vascular endothelial growth factor (VEGF) is an endothelial cell specific growth factor which is a critical mediator in angiogenesis and targeting VEGF signaling is considered a key therapeutic approach for blocking angiogenesis in anti-VEGF therapy. But recently it has been noted that certain tumors develop resistance to anti-VEGF therapy and develop capillaries by some alternative mechanisms. This may be due to the activation of other pathways which have a proper connection with the downstream signaling of VEGF mediated angiogenesis. To shed light on the mechanisms and mediators of resistance to anti-angiogenic therapy, we analysed a set of microarray expression data showing resistance to antiVEGF therapy from databases and differentially expressed genes were identified. A total of 31 dataset were considered for the study, out of it one data set was used for the present study. The dataset contained 4 test and control samples, each having 34182 genes, out of which 796 genes were differentially expressed. Among the differentially expressed genes, 63 genes were 2 fold up regulated and 60 genes were 2 fold downregulated in both the sets. And these genes were classified based on the molecular function, cellular behavior and biological process. The results provide valuable biological insights into how tumors form resistance to anti-therapy.

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 seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,012
Tête enseignante GPT0,260
Écart entre enseignants0,247 · 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 revueCanadian Journal of BiotechnologyMême sujetAngiogenesis and VEGF in CancerTravaux en français237 207