Role of tumor suppressor p53 and micro-RNA interplay in multiple myeloma pathogenesis
Notice bibliographique
Résumé
The molecular mechanisms underlying dysregulated wild type (wt) p53 in multiple myeloma (MM) have been subjects of intense investigation for years. Indeed, correlation of rarely occurring TP53 gene mutations or deletions with adverse clinical outcomes in MM patients is strongly established, while in majority of cases wtp53 seems to be non-functional or dysregulated bearing a high clinical impact. Interestingly, findings from recent investigations show that micro-RNAs (miRNAs) may contribute to suppression of wtp53 in MM, as they are now known to function as key regulatory elements in the p53 network. This area is shedding new light on understanding the biologic effects of dysregulated p53 in MM pathogenesis especially drug resistance. miRNAs such as miR-125b (oncomiR) or miR-34a (tumor suppressor-miR) can be negative or positive regulators of wtp53 function, respectively, with specific effects on MM cell viability. On the other hand, our knowledge of miRNA interaction with mutant (mt) p53 in MM, which is rather related to disease progression and resistance to therapy, is limited which demands in-depth exploration. Here, we will put forward the current knowledge on miRNA-p53 interaction in MM and its role in MM pathogenesis including drug resistance. We will also highlight the pre-clinical approaches for therapeutic application of miRNAs targeting p53 pathway.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».