Long non-coding RNAs and exosomal lncRNAs: Potential functions in lung cancer progression, drug resistance and tumor microenvironment remodeling
Notice bibliographique
Résumé
Among the different kinds of tumors threatening human life, lung cancer is one that is commonly observed in both males and females. The aggressive behavior of lung cancer and interactions occurring in tumor microenvironment enhances the malignancy of this tumor. The lung tumor cells have demonstrated capacity in developing chemo- and radio-resistance. LncRNAs are a category of non-coding RNAs that do not encode proteins, but their aberrant expression is responsible for tumor development, especially lung cancer. In the present review, we focus on both lncRNAs and exosomal lncRNAs in lung cancer, and their ability in regulating proliferation and metastasis. Cell cycle progression and molecular mechanisms related to lung cancer metastasis such as EMT and MMPs are regulated by lncRNAs. LncRNAs interact with miRNAs, STAT, Wnt, EZH2, PTEN and PI3K/Akt signaling pathways to affect progression of lung cancer cells. LncRNAs demonstrate both tumor-suppressor and tumor-promoting functions in lung cancer. They can be considered as biomarkers in lung cancer and especially exosomal lncRNAs present in body fluids are potential tools for minimally invasive diagnosis. Furthermore, we discuss regulation of lncRNAs by anti-cancer drugs and genetic tools as well as the role of these factors in therapy response of lung cancer cells.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 ».