MétaCan
Menu
Retour à la cohorte
Enregistrement W2899326228 · doi:10.1038/s41467-018-07127-8

TAp73-induced phosphofructokinase-1 transcription promotes the Warburg effect and enhances cell proliferation

2018· article· en· W2899326228 sur OpenAlexaff
Le Li, Lijia Li, Wěi Li, Taiqi Chen, Bin Zou, Lina Zhao, Huili Wang, Xueying Wang, Lina Xu, Xiaohui Liu, Dong Wang, Bo Li, Tak W. Mak, Wenjing Du, Xiaolu Yang, Peng Jiang

Notice bibliographique

RevueNature Communications · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensPrincess Margaret Cancer Centre
Organismes subventionnairesNational Cancer InstituteNational Institutes of HealthTsinghua UniversityNational Natural Science Foundation of ChinaU.S. Department of Defense
Mots-clésWarburg effectGlycolysisPhosphofructokinaseCell biologyCancer researchRegulatorCell growthTranscription factorSuppressorBiologyAnaerobic glycolysisChemistryBiochemistryMetabolismGene

Résumé

récupéré en direct d'OpenAlex

The Warburg effect is a prominent metabolic feature associated with neoplastic diseases; however, the underlying mechanism remains incompletely understood. TAp73, a structural homolog of the tumor suppressor p53, is frequently overexpressed in human tumors, indicating a proliferative advantage that it can confer to tumor cells. Here we show that TAp73 stimulates the expression of phosphofructokinase-1, liver type (PFKL), which catalyzes the committed step in glycolysis. Through this regulation, TAp73 enhances glucose consumption and lactate excretion, promoting the Warburg effect. By activating PFKL, TAp73 also increases ATP production and bolsters anti-oxidant defense. TAp73 deficiency results in a pronounced reduction in tumorigenic potential, which can be rescued by forced PFKL expression. These findings establish TAp73 as a critical regulator of glycolysis and reveal a mechanism by which tumor cells achieve the Warburg effect to enable oncogenic growth.

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 enseignants0,252
Score d'incertitude au seuil0,374

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,271
Écart entre enseignants0,262 · 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

Citations94
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207