Investigation of Novel Regulation of N-myristoyltransferase by Mammalian Target of Rapamycin in Breast Cancer Cells
Notice bibliographique
Résumé
Breast cancer is the most common cancer in women worldwide. Hormone receptor breast cancers are the most common ones and, about 2 out of every 3 cases of breast cancer are estrogen receptor (ER) positive. Selective ER modulators, such as tamoxifen, are the first line of endocrine treatment of breast cancer. Despite the expression of hormone receptors some patients develop tamoxifen resistance and 50% present de novo tamoxifen resistance. Recently, we have demonstrated that activated mammalian target of rapamycin (mTOR) is positively associated with overall survival and recurrence free survival in ER positive breast cancer patients who were later treated with tamoxifen. Since altered expression of protein kinase B (PKB)/Akt in breast cancer cells affect N-myristoyltransferase 1 (NMT1) expression and activity, we investigated whether mTOR, a downstream target of PKB/Akt, regulates NMT1 in ER positive breast cancer cells (MCF7 cells). We inhibited mTOR by treating MCF7 cells with rapamycin and observed that the expression of NMT1 increased with rapamycin treatment over the period of time with a concomitant decrease in mTOR phosphorylation. We further employed mathematical modelling to investigate hitherto not known relationship of mTOR with NMT1. We report here for the first time a collection of models and data validating regulation of NMT1 by mTOR.
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 | 0,000 |
| 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 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 ».