MétaCan
Menu
Retour à la cohorte
Enregistrement W2966530663 · doi:10.1101/717793

Galectin-14 expression in ovarian cancer

2019· preprint· en· W2966530663 sur OpenAlexaff
Lorenna Oliveira Fernandes de Araujo, Yves St‐Pierre

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2019
Typepreprint
Langueen
DomaineImmunology and Microbiology
ThématiqueGalectins and Cancer Biology
Établissements canadiensArmand Frappier MuseumInstitut National de la Recherche Scientifique
Organismes subventionnairesnon disponible
Mots-clésGalectinOvarian cancerGalectin-3Cancer researchBiologyGalectin-1In silicoCancerCell biologyImmunologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract Galectins (gal) are multifunctional proteins whose expression changes under different physiological or pathological conditions, including cancer. However, so far, most studies have focused on gal-1 and gal-3, and to a lesser extent to gal-7 and gal-9. We still know very little about other galectins, especially the recently discovered ones, such as gal-14, a prototype galectin highly expressed at the maternal-fetal interface. Here, using in silico and in vitro approaches, we report a correlation between lgals14 expression and ovarian cancer. We found that high expression of gal-14 mRNA in ovarian cancer cells is associated with a shorter survival. Consistent with this observation, we also found that lgals14 is preferentially expressed in high grade serous adenocarcinoma (HGSA) ovarian cancer. Our in vitro data with ovarian cancer cell lines confirmed that lgals14 is readily expressed in HGSA. Interestingly, de novo expression of gal-14 in HEK-293 cells increased apoptosis, both at the basal level and following exposure to low doses of etoposide. Thus, although the study of this galectin is still in its infancy, we were able to provide novel insights into the expression patterns of this galectin and its involvement in cancer.

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 candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,236
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
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 Opus0,013
Tête enseignante GPT0,231
Écart entre enseignants0,218 · 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.

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

Citations4
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetGalectins and Cancer BiologyTravaux en français237 207