MétaCan
Menu
Retour à la cohorte
Enregistrement W3092756524 · doi:10.3390/ijms21207595

Targeting Mechanotransduction in Osteosarcoma: A Comparative Oncology Perspective

2020· review· en· W3092756524 sur OpenAlexaff
Anita K. Luu, Alicia Viloria‐Petit

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular Mechanics and Interactions
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMechanotransductionOsteosarcomaMechanobiologyCell biologyProcess (computing)Function (biology)Mesenchymal stem cellNeuroscienceBiologyCancer researchMedicineComputer science

Résumé

récupéré en direct d'OpenAlex

Mechanotransduction is the process in which cells can convert extracellular mechanical stimuli into biochemical changes within a cell. While this a normal process for physiological development and function in many organ systems, tumour cells can exploit this process to promote tumour progression. Here we summarise the current state of knowledge of mechanotransduction in osteosarcoma (OSA), the most common primary bone tumour, referencing both human and canine models and other similar mesenchymal malignancies (e.g., Ewing sarcoma). Specifically, we discuss the mechanical properties of OSA cells, the pathways that these cells utilise to respond to external mechanical cues, and mechanotransduction-targeting strategies tested in OSA so far. We point out gaps in the literature and propose avenues to address them. Understanding how the physical microenvironment influences cell signalling and behaviour will lead to the improved design of strategies to target the mechanical vulnerabilities of OSA cells.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,991
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

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

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 Opus0,052
Tête enseignante GPT0,399
Écart entre enseignants0,347 · 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.

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

Citations24
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetCellular Mechanics and InteractionsTravaux en français237 207