MétaCan
Menu
Retour à la cohorte
Enregistrement W2952152397 · doi:10.1038/s41388-018-0153-z

How asbestos drives the tissue towards tumors: YAP activation, macrophage and mesothelial precursor recruitment, RNA editing, and somatic mutations

2018· article· en· W2952152397 sur OpenAlexaff
Hubert Rehrauer, Licun Wu, Walter Blum, Lazslo Pecze, Thomas Henzi, Véronique Serre‐Beinier, Catherine Aquino, Bart Vrugt, Marc de Perrot, Beat Schwaller, Emanuela Felley‐Bosco

Notice bibliographique

RevueOncogene · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRenal and related cancers
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesPrincess Margaret Hospital FoundationSchweizerischer Nationalfonds zur Förderung der Wissenschaftlichen ForschungNational Science Foundation
Mots-clésMesothelial CellMesotheliumBiologyMesotheliomaTranscriptomeCancer researchSomatic cellCarcinogenesisPeritoneumMacrophageTumor progressionDownregulation and upregulationPathologyGene expressionGeneMedicineIn vitroAnatomy

Résumé

récupéré en direct d'OpenAlex

Chronic exposure to intraperitoneal asbestos triggered a marked response in the mesothelium well before tumor development. Macrophages, mesothelial precursor cells, cytokines, and growth factors accumulated in the peritoneal lavage. Transcriptome profiling revealed YAP/TAZ activation in inflamed mesothelium with further activation in tumors, paralleled by increased levels of cells with nuclear YAP/TAZ. Arg1 was one of the highest upregulated genes in inflamed tissue and tumor. Inflamed tissue showed increased levels of single-nucleotide variations, with an RNA-editing signature, which were even higher in the tumor samples. Subcutaneous injection of asbestos-treated, but tumor-free mice with syngeneic mesothelioma tumor cells resulted in a significantly higher incidence of tumor growth when compared to naïve mice supporting the role of the environment in tumor progression.

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 enseignants0,054
Score d'incertitude au seuil0,324

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 Opus0,017
Tête enseignante GPT0,279
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

Citations73
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOncogeneMême sujetRenal and related cancersTravaux en français237 207