MétaCan
Menu
Retour à la cohorte
Enregistrement W3112796825 · doi:10.1098/rsob.200188

The interesting relationship between APOBEC3 deoxycytidine deaminases and cancer: a long road ahead

2020· article· en· W3112796825 sur OpenAlexafffund
Ben Flath, Linda Chelico

Notice bibliographique

RevueOpen Biology · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesCanadian Institutes of Health ResearchSaskatchewan Health Research Foundation
Mots-clésAPOBECBiologyCytidine deaminaseSomatic cellGeneticsCytidineGenome instabilityMutationCancer researchSomatic hypermutationAPOBEC3GContext (archaeology)CancerDeaminationCytosineEnzymeDNADNA damageGeneBiochemistryGenomeAntibodyB cell

Résumé

récupéré en direct d'OpenAlex

Cancer is considered a group of diseases characterized by uncontrolled growth and spread of abnormal cells and is propelled by somatic mutations. Apolipoprotein B mRNA-editing enzyme catalytic polypeptide-like 3 (APOBEC3) family of enzymes are endogenous sources of somatic mutations found in multiple human cancers. While these enzymes normally act as an intrinsic immune defence against viruses, they can also catalyse 'off-target' cytidine deamination in genomic single-stranded DNA intermediates. The deamination of cytosine forms uracil, which is promutagenic in DNA. Key factors to trigger the APOBEC 'off-target' activity are overexpression in a non-normal cell type, nuclear localization and replication stress. The resulting uracil-induced mutations contribute to genomic variation, which may result in neutral, beneficial or harmful consequences for the cancer. This review summarizes the functional and biochemical basis of the APOBEC3 enzyme activity and highlights their relationship with the most well-studied cancers in this particular context such as breast, lung, bladder, and human papillomavirus-associated cancers. We focus on APOBEC3A, APOBEC3B and APOBEC3H haplotype I because they are the leading candidates as sources of somatic mutations in these and other cancers. Also, we discuss the prognostic value of the APOBEC3 expression in drug resistance and response to therapies.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0000,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,056
Tête enseignante GPT0,396
Écart entre enseignants0,340 · 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

Citations39
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueOpen BiologyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207