New MicroRNAs Candidates to Treat Human Colorectal Cancer; Molecular Dynamic Simulations Found a Major Down-Regulator of CLCA4 Tumor Suppressor Gene
Notice bibliographique
Résumé
Abstract IntroductionColorectal cancer (CRC) is one of the most common malignancies worldwide. The expression of CLCA4, a tumor suppressor gene, decreases significantly in cancer cells of CRC. In this study, we identified miRNAs target the mRNA of the CLCA4 gene. ObjectiveThe aim of this study was the identification of miRNAs involved in CRC.Material and methodsWe predicted miRNA(s) that target CLCA4 mRNA applying TargetScan v.7. Then through analysis of Gene Expression Omnibus (GEO) datasets, among them, miRNA(s) over-expressed in CRC cells were determined. To identify miRNAs with the highest potential to down-regulate CLCA4 through binding, we calculated the binding free energies of the candidate miRNA- mRNA complexes using the molecular mechanics energies combined with several solvation models: The Poisson–Boltzmann (MM/PBSA), the generalized Born (MM/GBSA), and the three-dimensional reference interaction site model with Kovalenko–Hirata closure relation (3D-RISM-KH). ResultsOur TargetScan analysis predicted that 106 miRNAs could bind to CLCA4 3' UTR mRNA. Hsa-miR-934, hsa-miR-574-5p, hsa-miR-377-3p, hsa-miR-5580-3p, hsa-miR-4775, hsa-miR-590-3p and hsa-miR-501-5p showed increased expression in CRC samples compared to normal cells. MD results found the lowest free energy changes in three hsa-miR-377-3p, hsa-miR-574-5p and hsa-miR-501-5p miRNAs. ConclusionThis research beside introducing a new fast and low cost plan to find best candidate of miRNAs to bind their targets, suggested miR-501-5p as a biomarker for early diagnosis of CRC. As well, preventing of down regulation of the CLCA4 expression through interrupting in the expression of miR-574-5p and miR-377-3p and more effectively miR-501-5p probably treat or slow down the development of colorectal cancer.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».