Abstract #1291: Efficient knockdown of MMR proteins in human CRCcells using chained microRNA constructs
Notice bibliographique
Résumé
In colorectal cancer, microsatellite instability (MSI) is a frequent occurrence which causes an increase in mutation rate leading to tumor progression. Previous studies in our laboratory established that MSH2 expression is mediated by ischemia, and that this leads to de novo point mutations in the transforming oncogene KRAS. Since the cells previously used had been genetically manipulated to loose an activating allele of KRAS, we wished to create an in vitro model that is able to sufficiently mimic the mutator phenotype seen in MSI colorectal cancer earlier in progression (i.e. prior to KRAS activation). We achieved this by knocking-down the expression of two key mismatch repair proteins, MSH2 and MLH1. This was done by stably transfecting Caco-2 colorectal cells (which are mismatch repair proficient and microsatellite stable) with a plasmid (BLOCK-iT; Invitrogen) containing chained microRNAs (miRNAs) designed to target both MSH2 and MLH1 mRNAs. Cells were then seeded at low density in selection media containing blasticidin and different clones were isolated. Protein knock-down in each clone was then examined through western blotting. Greater than 99% protein knockdown was achieved through miRNA targeting of MSH2 alone, and we found chained constructs were more effective than single miRNA sequences. Co-repression of MSH6 but not MLH1 was also observed in MSH2 knockdown cells. Further studies will be done to determine the MSI status of these cells as well as other molecular changes they have undergone. This study will further elucidate the effects of decreased MMR protein expression on cell behavior and aid in our understanding of its involvement in tumor progression. Citation Information: In: Proc Am Assoc Cancer Res; 2009 Apr 18-22; Denver, CO. Philadelphia (PA): AACR; 2009. Abstract nr 1291.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,005 |
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 ».