MétaCan
Menu
Retour à la cohorte
Enregistrement W3151246913 · doi:10.1096/fasebj.31.1_supplement.980.3

Identification of Key Transcription Factor Target Interactions That Regulate Prostate Cancer Metastasis

2017· article· en· W3151246913 sur OpenAlexaff
Nitya V. Sharma, Kathryn L. Pellegrini, Felipe Giuste, Véronique Ouellet, Dominique Trudel, Anne‐Marie Mes‐Masson, Fred Saad, Adeboye O. Osunkoya, John A. Petros, Carlos S. Moreno

Notice bibliographique

RevueThe FASEB Journal · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related gene regulation
Établissements canadiensUniversité de Montréal
Organismes subventionnairesMovember Foundation
Mots-clésProstate cancerMetastasisAndrogen deprivation therapyTranscription factorProstatectomyProstateMedicineOncologyCancer researchDiseaseETS1CancerGeneInternal medicineBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Prostate cancer remains the most commonly diagnosed cancer in U.S. males, and ranks second in mortality with over 28,000 deaths per year. The standard of care for patients with recurrent, aggressive prostate cancer is androgen deprivation therapy (ADT), but the benefits from ADT are typically short‐lived. Recurrent disease following ADT treatment is termed castration‐resistant prostate cancer (CRPC), and is generally incurable after progression to metastatic disease. Therefore, understanding the mechanisms underlying CRPC and subsequent progression to metastatic disease is critical. To gain insights into how transcriptional networks change in response to ADT and lead to metastasis, we have identified the relationships between transcription factors and corresponding gene targets in matched pre‐ADT and post‐ADT tissue samples, as well as matched primary and metastatic lesions. First, we generated gene expression data by sequencing RNA from 24 formalin‐fixed paraffin‐embedded patient‐matched pre‐ADT needle core biopsies and corresponding post‐ADT radical prostatectomy prostate cancer samples. For generating metastatic networks, we used publicly available expression data from matched primary prostate and metastatic tumors. Next, we integrated mRNA expression, protein‐protein interaction, and DNA binding motif data using the PANDA algorithm to reverse engineer transcriptional networks. We identified key transcription factors with significant gains or losses of interactions with target genes specifically in metastatic networks. We also identified putative novel key prostate cancer specific transcription factor interactions that share multiple gene targets, such as ETS1 and GATA2, possibly revealing relationships that directly contribute to increased metastatic potential. By comparing changes in post‐ADT and metastatic transcriptional networks, we may identify critical transcription factor‐target gene interactions that are essential for the progression of CRPC to metastatic disease. This study may thus provide insights into novel therapeutic approaches for treatment of CRPC and prevention of metastasis, as well as prognosis of patients with poor outcomes. Support or Funding Information Movember Foundation

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,024
Tête enseignante GPT0,293
Écart entre enseignants0,269 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations0
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetCancer-related gene regulationTravaux en français237 207