A Screening of Epigenetic Therapeutic Targets for Non-Small Cell Lung Cancer Reveals PADI4 and KDM6B as Promising Candidates
Notice bibliographique
Résumé
Despite advances in diagnostic and therapeutic approaches for lung cancer, new therapies targeting metastasis by the specific regulation of cancer genes are needed. In this study, we screened a small library of epigenetic inhibitors in non-small-cell lung cancer (NSCLC) cell lines and evaluated 38 epigenetic targets for their potential role in metastatic NSCLC. The potential candidates were ranked by a streamlined approach using in silico and in vitro experiments based on publicly available databases and evaluated by real-time qPCR target gene expression, cell viability and invasion assays, and transcriptomic analysis. The survival rate of patients with lung adenocarcinoma is inversely correlated with the gene expression of eight epigenetic targets, and a systematic review of the literature confirmed that four of them have already been identified as targets for the treatment of NSCLC. Using nontoxic doses of the remaining inhibitors, KDM6B and PADI4 were identified as potential targets affecting the invasion and migration of metastatic lung cancer cell lines. Transcriptomic analysis of KDM6B and PADI4 treated cells showed altered expression of important genes related to the metastatic process. In conclusion, we showed that KDM6B and PADI4 are promising targets for inhibiting the metastasis of lung adenocarcinoma cancer cells.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».