MétaCan
Menu
Retour à la cohorte
Enregistrement W4285742571 · doi:10.3389/fcell.2022.881297

The Tumor Suppressor Kinase LKB1: Metabolic Nexus

2022· review· en· W4285742571 sur OpenAlexafffund
Mohammed Bourouh, Paola A. Marignani

Notice bibliographique

RevueFrontiers in Cell and Developmental Biology · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensDalhousie University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Cancer SocietyDalhousie UniversityCancer Research Society
Mots-clésCancer researchAMPKBiologySTK11CancerProtein kinase AKinaseCell biologyKRASColorectal cancerGenetics

Résumé

récupéré en direct d'OpenAlex

Liver kinase B1 (LKB1) is a multitasking tumor suppressor kinase that is implicated in multiple malignancies such as lung, gastrointestinal, pancreatic, and breast. LKB1 was first identified as the gene responsible for Peutz-Jeghers syndrome (PJS) characterized by hamartomatous polyps and oral mucotaneous pigmentation. LKB1 functions to activate AMP-activated protein kinase (AMPK) during energy stress to shift metabolic processes from active anabolic pathways to active catabolic pathways to generate ATP. Genetic loss or inactivation of LKB1 promotes metabolic reprogramming and metabolic adaptations of cancer cells that fuel increased growth and division rates. As a result, LKB1 loss is associated with increased aggressiveness and treatment options for patients with LKB1 mutant tumors are limited. Recently, there has been new insights into the role LKB1 has on metabolic regulation and the identification of potential vulnerabilities in LKB1 mutant tumors. In this review, we discuss the tumor suppressive role of LKB1 and the impact LKB1 loss has on metabolic reprograming in cancer cells, with a focus on lung cancer. We also discuss potential therapeutic avenues to treat malignancies associated with LKB1 loss by targeting aberrant metabolic pathways associated with LKB1 loss.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,976
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,016
Tête enseignante GPT0,257
Écart entre enseignants0,241 · 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.

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

Citations36
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Cell and Developmental BiologyMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207