MétaCan
Menu
Retour à la cohorte
Enregistrement W4289544678 · doi:10.1002/1878-0261.13299

Tieing together loose ends: telomere instability in cancer and aging

2022· review· en· W4289544678 sur OpenAlexafffund
Gustavo Borges, Mélanie Criqui, Lea Harrington

Notice bibliographique

RevueMolecular Oncology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensUniversité de MontréalInstitute for Research in Immunology and Cancer
Organismes subventionnairesInstitute of Cancer ResearchFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésTelomereTelomeraseGenome instabilityBiologySenescenceTelomerase reverse transcriptaseCancer cellCell biologyCancerSomatic cellDNA damageCancer researchGeneticsDNAGene

Résumé

récupéré en direct d'OpenAlex

Telomere maintenance is essential for maintaining genome integrity in both normal and cancer cells. Without functional telomeres, chromosomes lose their protective structure and undergo fusion and breakage events that drive further genome instability, including cell arrest or death. One means by which this loss can be overcome in stem cells and cancer cells is via re-addition of G-rich telomeric repeats by the telomerase reverse transcriptase (TERT). During aging of somatic tissues, however, insufficient telomerase expression leads to a proliferative arrest called replicative senescence, which is triggered when telomeres reach a critically short threshold that induces a DNA damage response. Cancer cells express telomerase but do not entirely escape telomere instability as they often possess short telomeres; hence there is often selection for genetic alterations in the TERT promoter that result in increased telomerase expression. In this review, we discuss our current understanding of the consequences of telomere instability in cancer and aging, and outline the opportunities and challenges that lie ahead in exploiting the reliance of cells on telomere maintenance for preserving genome stability.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,065
Tête enseignante GPT0,393
Écart entre enseignants0,328 · 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'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

Citations32
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular OncologyMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207