Abstract 4731: Therapeutic targeting of RNA splicing through inhibition of protein arginine methylation
Notice bibliographique
Résumé
Abstract Mutations in RNA splicing factors commonly occur in myeloid leukemia and solid tumors. These mutations occur in a heterozygous manner and confer dependency on the wild-type allele. Studies have shown that splicing factor mutant cancers are vulnerable to further perturbation of splicing, by pharmacological intervention that directly targets core splicing factors. Our project identifies the use of PRMT inhibitors, as plausible alternative therapeutic strategy to treat spliceosomal mutant leukemia. The data show that splicing factor mutant leukemia exhibit greater sensitivity to the use of inhibitors against Type I PRMTs and PRMT5, in comparison to their wild-type counterparts. As the need for new therapeutic strategies in cancer treatment increases, this study identifies PRMT inhibitors as a potential therapeutic intervention against cancers with splicing factor mutations. Citation Format: Jia Yi Fong, Diana Low, Luca Pignata, Kimihito Cojin Kawabata, Stanley CW Lee, Cheryl Koh, Daniele Musiani, Enrico Massignani, Cheng Mun Wun, Pierre-Alexis V. Goy, Yudao Shen, Heike Wollmann, Florence PH Gay, Genna Luciani, Dalia Barsyte, Jian Jin, Ari M. Melnick, Tiziana Bonaldi, Omar Abdel-Wahab, Ernesto Guccione. Therapeutic targeting of RNA splicing through inhibition of protein arginine methylation [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2019; 2019 Mar 29-Apr 3; Atlanta, GA. Philadelphia (PA): AACR; Cancer Res 2019;79(13 Suppl):Abstract nr 4731.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,000 | 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 tête enseignante, 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 ».