MétaCan
Menu
Retour à la cohorte
Enregistrement W4229460325 · doi:10.3390/ijms23095266

Bilayer Forming Phospholipids as Targets for Cancer Therapy

2022· review· en· W4229460325 sur OpenAlexafffund
Celine Stoica, Adilson Kleber Ferreira, Kayleigh Hannan, Marica Bakovic

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensUniversity of Guelph
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésPhosphatidylethanolaminePhospholipidPhosphatidylcholineCancer cellCancerBiologyBiochemistryChemistryMembraneGenetics

Résumé

récupéré en direct d'OpenAlex

Phospholipids represent a crucial component for the structure of cell membranes. Phosphatidylcholine and phosphatidylethanolamine are two phospholipids that comprise the majority of cell membranes. De novo biosynthesis of phosphatidylcholine and phosphatidylethanolamine occurs via the Kennedy pathway, and perturbations in the regulation of this pathway are linked to a variety of human diseases, including cancer. Altered phosphatidylcholine and phosphatidylethanolamine membrane content, phospholipid metabolite levels, and fatty acid profiles are frequently identified as hallmarks of cancer development and progression. This review summarizes the research on how phospholipid metabolism changes over oncogenic transformation, and how phospholipid profiling can differentiate between human cancer and healthy tissues, with a focus on colorectal cancer, breast cancer, and non-small cell lung cancer. The potential for phospholipids to serve as biomarkers for diagnostics, or as anticancer therapy targets, is also discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,992
Score d'incertitude au seuil0,680

Scores Codex et Gemma par catégorie

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

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 Opus0,055
Tête enseignante GPT0,391
Écart entre enseignants0,336 · 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 tête enseignante, 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

Citations83
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207