LncRNA UCA1/miR‐124 axis modulates TGFβ1‐induced epithelial‐mesenchymal transition and invasion of tongue cancer cells through JAG1/Notch signaling
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
Tongue cancer remains a massive threat to public health due to the high rate of metastasis. Tumor cell epithelial-mesenchymal transition (EMT), which can be induced by transforming growth factor β1 (TGFβ1), has been regarded as a significant contributor to cancer invasion and migration. In our previous study, long noncoding RNA (lncRNA) MALAT1/miR-124/JAG1 axis modulates the growth of tongue cancer. In addition to metastasis-associated lung adenocarcinoma transcript 1 (MALAT1), another lncRNA, urothelial cancer associated 1 (UCA1), can promote EMT and cancer metastasis. In the present study, UCA1 was overexpressed in tongue cancer tissues and cell lines. UCA1 overexpression was correlated to the poorer prognosis of patients with tongue cancer. UCA1 knockdown significantly suppressed TGFβ1-induced tongue cancer cell invasion and EMT by decreasing vimentin and increasing E-cadherin. Regarding the molecular mechanism, UCA1 could directly bind to microRNA-124 (miR-124) and negatively regulate each other. UCA1 knockdown ameliorated, whereas miR-124 inhibition exacerbated TGFβ1-induced EMT and invasion in tongue cancer cells through miR-124 downstream jagged 1 (JAG1) and Notch signaling. Moreover, miR-124 inhibition partially impaired the effect of UCA1 knockdown. In tongue cancer tissues, miR-124 expression was remarkably decreased, whereas JAG1 mRNA expression was increased. miR-124 was negatively correlated with UCA1 and JAG1. UCA1 and JAG1 were positively correlated. In summary, we provided a novel mechanism by which the EMT process and cancer cell invasion in tongue cancer could be modulated from the perspective of lncRNA-miRNA-mRNA regulation.
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 | 0,001 | 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 | 0,001 | 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