MétaCan
Menu
Retour à la cohorte
Enregistrement W2885930552 · doi:10.1038/s41388-018-0444-4

Cross-species genomics identifies DLG2 as a tumor suppressor in osteosarcoma

2018· article· en· W2885930552 sur OpenAlexafffund
Yang Shao, Geoffrey A. Wood, Jinchang Lu, Qinglian Tang, Jonathan Liu, Sam D. Molyneux, Yan Chen, Hui Fang, Hibret A. Adissu, Trevor D. McKee, Paul Waterhouse, Rama Khokha

Notice bibliographique

RevueOncogene · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensUniversity of GuelphPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesOVC Pet TrustNational Postdoctoral Program for Innovative TalentsCanadian Institutes of Health ResearchChina Postdoctoral Science FoundationNational Natural Science Foundation of ChinaGovernment of Canada
Mots-clésBiologySuppressorCarcinogenesisGenomicsCancerOsteosarcomaTumor suppressor geneComputational biologyFunctional genomicsCancer researchGeneGenomeHuman genomeGenetics

Résumé

récupéré en direct d'OpenAlex

Leveraging the conserved cancer genomes across mammals has the potential to transform driver gene discovery in orphan cancers. Here, we combine cross-species genomics with validation across human-dog-mouse systems to uncover a new bone tumor suppressor gene. Comparative genomics of spontaneous human and dog osteosarcomas (OS) expose Disks Large Homolog 2 (DLG2) as a tumor suppressor candidate. DLG2 copy number loss occurs in 42% of human and 56% of canine OS. Functional validation through pertinent human and canine OS DLG2-deficient cell lines identifies a regulatory role of DLG2 in cell division, migration and tumorigenesis. Moreover, osteoblast-specific deletion of Dlg2 in a clinically relevant genetically engineered mouse model leads to acceleration of OS development, establishing DLG2 as a critical determinant of OS. This widely applicable cross-species approach serves as a platform to expedite the search of cancer drivers in rare human malignancies, offering new targets for cancer 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,066
Score d'incertitude au seuil0,787

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,021
Tête enseignante GPT0,328
Écart entre enseignants0,306 · 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 tête enseignante, 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

Citations80
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOncogeneMême sujetVirus-based gene therapy researchTravaux en français237 207