Oral Presentations 4
Notice bibliographique
Résumé
Small cell lung cancer (SCLC) is characterised by the expression of neuronal genes not seen in non-SCLC (NSCLC) or normal lung. The full-length neuron-restrictive silencer factor (NRSF) is a transcriptional repressor of neuronal genes in non-neuronal cells. We previously identifi ed a splice variant of NRSF that encodes a truncated sNRSF isoform expressed only in SCLC, and aimed to determine its function and downstream targets. We have shown that the expression of several NRSF-regulated genes correlated with that of sNRSF in lung cancer and used reporter constructs based on NRSF-regulated promoters, such as arginine vasopressin (AVP), as readout for sNRSF function. Mutation of an NRSF binding site reduced transcription dependent on the AVP promoter in SCLC by 50% (p<0.005), whilst overexpression of sNRSF could activate the AVP promoter in NSCLC where it is normally silenced. Interestingly, overexpression of sNRSF also resulted in signifi cantly increased proliferation of NSCLC (p<0.05). RNA interference (RNAi) was used to further investigate the role of sNRSF. Knockdown in lung cancer cells was optimised using published sequences to target other proteins, and fi ve RNAi sequences targeted to NRSF or sNRSF were then designed and evaluated. A SCLC line was established that stably expresses EGFP and sNRSF RNAi, preliminary RT-PCR and immunocytochemistry show down-regulated NRSF. These cells also had a reduced ability to activate an AVP reporter construct. Taken together, these data support the role of sNRSF as a transcriptional activator that antagonises full-length NRSF, and suggest that it may be a key transcriptional regulator in SCLC. We are currently further characterising the full profi le of NRSF splicing in SCLC. Lung cancer cells with modulated sNRSF expression will now be used to identify novel target genes regulated by sNRSF in lung cancer by microarray and proteomic analysis. Identifi cation of biological relevant genes will help us to understand the role of sNRSF and may ultimately provide new opportunities for developing detection or treatment strategies.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 tête enseignante, 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 ».