MétaCan
Menu
Retour à la cohorte
Enregistrement W2912476769 · doi:10.1158/1078-0432.ccr-18-0716

Integrated Genomic and Functional microRNA Analysis Identifies miR-30-5p as a Tumor Suppressor and Potential Therapeutic Nanomedicine in Head and Neck Cancer

2019· article· en· W2912476769 sur OpenAlexaff
Anthony D. Saleh, Hui Cheng, Scott E. Martin, Han Si, Pinar Ormanoglu, Sophie G. Carlson, Paúl E. Clavijo, Xinping Yang, Rita Das, Shaleeka Cornelius, Jamie Couper, Douglas B. Chepeha, Ludmila Danilova, Thomas M. Harris, Michael B. Prystowsky, Geoffrey Childs, Richard V. Smith, A. Gordon Robertson, Steven J.M. Jones, Andrew D. Cherniack, Sang S. Kim, Antonina Rait, Kathleen F. Pirollo, Esther H. Chang, Zhong Chen, Carter Van Waes

Notice bibliographique

RevueClinical Cancer Research · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensCanada's Michael Smith Genome Sciences Centre
Organismes subventionnairesNational Institute on Deafness and Other Communication DisordersNational Cancer InstituteNational Institutes of Health
Mots-clésHead and neck squamous-cell carcinomamicroRNACancer researchBiologyDNA methylationSuppressorMethylationCell growthCancerHead and neck cancerGeneGene expressionGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Purpose: To identify deregulated and inhibitory miRNAs and generate novel mimics for replacement nanomedicine for head and neck squamous cell carcinomas (HNSCC). Experimental Design: We integrated miRNA and mRNA expression, copy number variation, and DNA methylation results from The Cancer Genome Atlas (TCGA), with a functional genome-wide screen. Results: We reveal that the miR-30 family is commonly repressed, and all 5 members sharing these seed sequence similarly inhibit HNSCC proliferation in vitro. We uncover a previously unrecognized inverse relationship with overexpression of a network of important predicted target mRNAs deregulated in HNSCC, that includes key molecules involved in proliferation (EGFR, MET, IGF1R, IRS1, E2F7), differentiation (WNT7B, FZD2), adhesion, and invasion (ITGA6, SERPINE1). Reexpression of the most differentially repressed family member, miR-30a-5p, suppressed this mRNA program, selected signaling proteins and pathways, and inhibited cell proliferation, migration, and invasion in vitro. Furthermore, a novel miR-30a-5p mimic formulated into a targeted nanomedicine significantly inhibited HNSCC xenograft tumor growth and target growth receptors EGFR and MET in vivo. Significantly decreased miR-30a/e family expression was related to DNA promoter hypermethylation and/or copy loss in TCGA data, and clinically with decreased disease-specific survival in a validation dataset. Strikingly, decreased miR-30e-5p distinguished oropharyngeal HNSCC with poor prognosis in TCGA (P = 0.002) and validation (P = 0.007) datasets, identifying a novel candidate biomarker and target for this HNSCC subset. Conclusions: We identify the miR-30 family as an important regulator of signal networks and tumor suppressor in a subset of HNSCC patients, which may benefit from miRNA replacement nanomedicine 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)0,001
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,725
Score d'incertitude au seuil0,645

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,056
Tête enseignante GPT0,413
Écart entre enseignants0,357 · 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'étudeObservationnel
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

Citations86
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical Cancer ResearchMême sujetMicroRNA in disease regulationTravaux en français237 207