MétaCan
Menu
Retour à la cohorte
Enregistrement W3176153433 · doi:10.3390/cancers13123067

One-Carbon Metabolism Associated Vulnerabilities in Glioblastoma: A Review

2021· review· en· W3176153433 sur OpenAlexaff
Kimia Ghannad‐Zadeh, Sunit Das

Notice bibliographique

RevueCancers · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensSt. Michael's HospitalSickKids FoundationHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésMetabolomicsMetabolic pathwayBiologyPurineCancer researchPurine metabolismReprogrammingGliomaGlioblastomaMetabolismCell metabolismCellPhenotypeComputational biologyCell growthBioinformaticsBiochemistryGeneEnzyme

Résumé

récupéré en direct d'OpenAlex

Altered cell metabolism is a hallmark of cancer cell biology, and the adaptive metabolic strategies of cancer cells have been of recent interest to many groups. Metabolic reprogramming has been identified as a critical step in glial cell transformation, and the use of antimetabolites against glioblastoma has been investigated. One-carbon (1-C) metabolism and its associated biosynthetic pathways, particularly purine nucleotide synthesis, are critical for rapid proliferation and are altered in many cancers. Purine metabolism has also been identified as essential for glioma tumourigenesis. Additionally, alterations of 1-C-mediated purine synthesis have been identified as commonly present in brain tumour initiating cells (BTICs) and could serve as a phenotypic marker of cells responsible for tumour recurrence. Further research is required to elucidate mechanisms through which metabolic vulnerabilities may arise in BTICs and potential ways to therapeutically target these metabolic processes. This review aims to summarize the role of 1-C metabolism-associated vulnerabilities in glioblastoma tumourigenesis and progression and investigate the therapeutic potential of targeting this pathway in conjunction with other 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 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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,027
Tête enseignante GPT0,306
Écart entre enseignants0,279 · 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

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancersMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207