MiR-153 reduces stem cell-like phenotype and tumor growth of lung adenocarcinoma by targeting Jagged1
Notice bibliographique
Résumé
BACKGROUND: Cancer stem cells (CSCs) have been proposed to be responsible for tumor recurrence and chemo-resistance. Previous studies suggested that miR-153 played essential roles in lung cancer. However, the molecular mechanism of miR-153 in regulating the stemness of non-small cell lung cancer (NSCLC) remains poorly understood. In this study, we investigated the role of miR-153 in regulation of the stemness of NSCLC. METHODS: The stemness property of lung stem cancer cells was detected by sphere formation assay, immunofluorescence, and Western blot. Luciferase reporter assay was performed to investigate the direct binding of miR-153 to the 3'-UTR of JAG1 mRNA. Animal study was conducted to evaluate the effect of miR-153 on tumor growth in vivo. The clinical relevance of miR-153 in NSCLC was evaluated by Rt-PCR and Kaplan-Meier analysis. RESULTS: MiR-153 expression was decreased in lung cancer tissues. Reduced miR-153 expression was associated with lung metastasis and poor overall survival of lung cancer patients. Jagged1, one of the ligands of Notch1, is targeted by miR-153 and inversely correlates with miR-153 in human lung samples. More importantly, we found that miR-153 inhibited stem cell-like phenotype and tumor growth of lung adenocarcinoma through inactivating the Jagged1/Notch1 axis. CONCLUSION: MiR-153 suppresses the stem cell-like phenotypes and tumor growth of lung adenocarcinoma by targeting Jagged1 and provides a potential therapeutic target in lung cancer 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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».