The Long Non-Coding RNA SNHG12 as a Mediator of Carboplatin Resistance in Ovarian Cancer via Epigenetic Mechanisms
Notice bibliographique
Résumé
Genetic and epigenetic changes contribute to intratumor heterogeneity and chemotherapy resistance in several tumor types. LncRNAs have been implicated, directly or indirectly, in the epigenetic regulation of gene expression. We investigated lncRNAs that potentially mediate carboplatin-resistance of cell subpopulations, influencing the progression of ovarian cancer (OC). Four carboplatin-sensitive OC cell lines (IGROV1, OVCAR3, OVCAR4, and OVCAR5), their derivative resistant cells, and two inherently carboplatin-resistant cell lines (OVCAR8 and Ovc316) were subjected to RNA sequencing and global DNA methylation analysis. Integrative and cross-validation analyses were performed using external (The Cancer Genome Atlas, TCGA dataset, n = 111 OC samples) and internal datasets (n = 39 OC samples) to identify lncRNA candidates. A total of 4255 differentially expressed genes (DEGs) and 14529 differentially methylated CpG positions (DMPs) were identified comparing sensitive and resistant OC cell lines. The comparison of DEGs between OC cell lines and TCGA-OC dataset revealed 570 genes, including 50 lncRNAs, associated with carboplatin resistance. Eleven lncRNAs showed DMPs, including the SNHG12. Knockdown of SNHG12 in Ovc316 and OVCAR8 cells increased their sensitivity to carboplatin. The results suggest that the lncRNA SNHG12 contributes to carboplatin resistance in OC and is a potential therapeutic target. We demonstrated that SNHG12 is functionally related to epigenetic mechanisms.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».