MétaCan
Menu
Retour à la cohorte
Enregistrement W3009077651 · doi:10.1186/s12943-020-01157-x

The epigenetic regulators and metabolic changes in ferroptosis-associated cancer progression

2020· review· en· W3009077651 sur OpenAlexaff
Yuqing Wu, Si-Wei Zhang, Xiaoxiao Gong, Samantha Tam, Desheng Xiao, Shuang Liu, Yongguang Tao

Notice bibliographique

RevueMolecular Cancer · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueFerroptosis and cancer prognosis
Établissements canadiensQueen's University
Organismes subventionnairesOverseas Expertise Introduction Project for Discipline InnovationNational Key Research and Development Program of ChinaHigher Education Discipline Innovation ProjectNational Natural Science Foundation of China
Mots-clésBiologyEpigeneticsProgrammed cell deathCell biologyEndoplasmic reticulumCarcinogenesisMitochondrionAutophagyOrganelleLysosomeOxidative stressCancerSignal transductionReprogrammingUnfolded protein responseCancer researchCellApoptosisGeneticsBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Ferroptosis, a novel form of regulated cell death, is different from other types of cell death in morphology, genetics and biochemistry. Increasing evidence indicates that ferroptosis has significant implications on cell death linked to cardiomyopathy, tumorigenesis, and cerebral hemorrhage to name a few. Here we summarize current literature on ferroptosis, including organelle dysfunction, signaling transduction pathways, metabolic reprogramming and epigenetic regulators in cancer progression. With regard to organelles, mitochondria-induced cysteine starvation, endoplasmic reticulum-related oxidative stress, lysosome dysfunction and golgi stress-related lipid peroxidation all contribute to induction of ferroptosis. Understanding the underlying mechanism in ferroptosis could provide insight into the treatment of various intractable diseases including cancers.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,033
Tête enseignante GPT0,355
Écart entre enseignants0,322 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations378
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular CancerMême sujetFerroptosis and cancer prognosisTravaux en français237 207