P.038 Investigating the role of long non-coding RNAs in glioblastoma multiforme
Notice bibliographique
Résumé
Background: Malignant gliomas are the most common and deadly brain tumors. Mean survival rate for a patient diagnosed with a glioblastoma multiforme (GBM) remains slightly over one year. Standard of care consists of treatment with temozolomide (TMZ) and radiotherapy. Recent work has highlighted functions of long non-coding RNAs (lncRNAs) in GBM progression and TMZ response even though the information regarding these newly discovered molecules is sparse. The overarching objective of this project was thus to assess the expression of select lncRNAs in GBM tumor samples and in models of TMZ resistance. Methods: A qRT-PCR-based approach was undertaken to measure six lncRNAs in 19 primary GBM samples, four GBM cell lines and in-house developed TMZ-resistant GBM cells. Results: Elevated levels of Hotair and H19 were observed in primary GBM tumors while decreased expression of MEG3 was recorded in the same samples. Interestingly, levels of PANDA increased 3.4-fold in GBM cells resistant to TMZ when compared with their sensitive counterparts. Conclusions: Overall, this work provides evidence of lncRNA deregulation in GBM tumors and reveals a previously unexplored lncRNA potentially involved in TMZ resistance. Modulation of lncRNA targets via RNAi-mediated approaches is envisioned to clarify their function and to strengthen their position as therapeutic options in GBMs.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,009 | 0,002 |
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 ».