MétaCan
Menu
← Retour à la cohorte
Enregistrement W4225423340 · doi:10.1096/fasebj.2022.36.s1.r4918

Signaling Pathways Associated with miR‐106b mediated Radioresistance in the Treatment of Colorectal Cancer

2022· article· en· W4225423340 sur OpenAlexaff
Susana Rubio‐Guevara, Karyn Olascuaga‐Castillo, Elena Cáceres‐Andonaire, Dan Altamirano‐Sarmiento, Olga E. Caballero-Aquiño, Elena Mantilla‐Rodríguez, Julio Hilario‐Vargas, Maxim V. Berezovski, José Andrés Morgado‐Díaz

Notice bibliographique

RevueThe FASEB Journal · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesUniversidad Nacional de Trujillo
Mots-clésRadioresistanceColorectal cancerCancer researchCancerMedicineSignal transductionOncologyBiologyInternal medicineRadiation therapyGenetics

Résumé

récupéré en direct d'OpenAlex

Tumor radioresistance, or the lack of control of certain tumors with this treatment, can result in locoregional recurrence; therefore, there is great interest in understanding the underlying biology and developing strategies to overcome this problem. MicroRNAs (miRNAs, miRs) are small non‐coding RNAs that regulate gene expression at the post‐transcriptional level and participate in cancer invasion, progression, metastasis, and therapeutic resistance. Emerging evidence indicates that miRNAs play a critical role in modulating key cellular pathways that mediate response to radiation, influencing radiosensitivity of cancer cells through interaction with other biological processes such as cell cycle checkpoints, apoptosis, autophagy, epithelialmesenchymal transition, and cancer stem cells. Today, most studies on patient data report different, results on the miRNAs evaluated for each tumor type, highlighting miR‐106b whose overexpression can determine radioresistance both in vitro and in vivo by inhibiting apoptosis and promotion of cell proliferation. The objective of this study was to find the signaling pathways involved with miR‐106b‐mediated radioresistance. Methods CRC gene expression data sets were collected from the public database, The Cancer Genome Atlas (TCGA). In addition, web‐based tools were used to explore TCGA data, specifically that developed by the Memorial Sloan Kettering Cancer Center (MSK) cBioPortal for Cancer Genomics. The public site cBioPortal is hosted at the MSK Molecular Oncology Center, in which the term “colorectal cancer” was searched and 12 studies were selected, creating a single combined study which has 4341 patients and 4488 samples, within which the search for miR‐106b was carried out and the signaling pathways involved with the expression mediated by this miRNA were obtained. Results The following signaling pathways involved with miR‐106b were obtained: WNT, TP53, TGF‐Beta, RTK‐RAS, PI3K, NRF2, NOTCH, MYC, HIPPO, and its influence on the cell cycle was also noted. Conclusion miRNAs have been shown to play an important role in the regulation of CRC radio resistance, by controlling various signaling pathways, including cell cycle, proliferation, apoptosis, and DNA damage repair. Furthermore, these results are consistent with recent data that have shown that selective modulation of miRNA activity can improve the response to radiotherapy, providing an innovative antitumor approach based on miRNA‐related gene therapy. Therefore, miRNAs could also serve as targets for the development of new therapeutic strategies to overcome radiation resistance in CRC.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,228
Écart entre enseignants0,216 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB Journal→Même sujetMicroRNA in disease regulation→Travaux en français237 207→