miRNA and proteomic dysregulation in non-small cell lung cancer in response to cigarette smoke
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Dysregulation of miRNAs is well associated with the development of non-small cell lung cancer (NSCLC). It is imperative that dysregulation of miRNAs by cigarette smoke will affect the expression of their targets, either leading to the activation of oncoproteins or suppression of tumor suppressor proteins. In this study, we have carried out miRNA sequencing and SILAC-based proteomics analysis of H358 cells chronically exposed to cigarette smoke condensate. miRNA sequencing resulted in the identification of 208 miRNAs, of which 6 miRNAs were found to be significantly dysregulated (fold change ≥ 4, p-value ≤ 0.05) in H358-smoke exposed cells. Proteomic analysis of the smoke exposed cells compared to the parental cells resulted in the quantification of 2,396 proteins, of which 681 proteins were found to be differentially expressed (fold change ≥ 2). Gene ontology based analysis of target proteins revealed enrichment of proteins involved in biological processes driving metabolism and a decrease in expression of proteins associated with immune response in the cells exposed to cigarette smoke. Pathway analysis using Ingenuity Pathway Analysis (IPA) revealed activation of ERK/MAPK and integrin signaling and repression of RhoGDI signaling in H358 smoke exposed cells. We also identified 5 novel miRNA in H358 smoke exposed cells using unassigned reads of small RNA-Seq dataset. In summary, this study indicates that chronic exposure to cigarette smoke leads to widespread dysregulation of miRNAs and their targets, resulting in signaling aberrations in NSCLC. The miRNAs and their targets identified in the study need to be further investigated to explore their role as potential targets and/or molecular markers in NSCLC especially in smokers.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle