MétaCan
Menu
Retour à la cohorte
Enregistrement W3038278697 · doi:10.1038/s41375-020-0958-y

Targeting nuclear import and export in hematological malignancies

2020· review· en· W3038278697 sur OpenAlexaff
Boaz Nachmias, Aaron D. Schimmer

Notice bibliographique

RevueLeukemia · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNuclear Structure and Function
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésKaryopherinImportinNuclear transportBiologyCarcinogenesisCancer researchNuclear localization sequenceCancerCell nucleusGeneGenetics

Résumé

récupéré en direct d'OpenAlex

The transport of proteins across the nuclear membrane is a highly regulated process, essential for the cell function. This transport is actively mediated by members of the karyopherin family, termed importins, or exportins, depending on the direction of transport. These proteins play an active part in tumorigenesis, through aberrant localization of their cargoes, which include oncogenes, tumor-suppressor genes and mediators of key signal transduction pathways. Overexpression of importins and exportins is reported in many malignancies, with implications in cell growth and viability, differentiation, drug resistance, and tumor microenvironment. Given their broad significance across tumors and pathways, much effort is being put to develop specific inhibitors as a novel anticancer therapeutics. Already, selinexor, a specific inhibitor of exportin-1 (XPO1), is approved for clinical use. This review will focus on the role of importins and exportins in hematological malignancies. We will discuss current preclinical and clinical data on importins and exportins, and demonstrate how our growing understanding of their functions has identified new therapeutic targets.

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 enseignants0,003
Score d'incertitude au seuil0,010

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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

Citations86
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLeukemiaMême sujetNuclear Structure and FunctionTravaux en français237 207