MétaCan
Menu
Retour à la cohorte
Enregistrement W4312173178 · doi:10.3390/ijms24010155

Simulated Microgravity Influences Immunity-Related Biomarkers in Lung Cancer

2022· article· en· W4312173178 sur OpenAlexaff
Hend Baghoum, Hend Alahmed, Mahmood Yaseen Hachim, Abiola Senok, Nour Jalaleddine, Saba Al Heialy

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSpaceflight effects on biology
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesMohammed Bin Rashid University of Medicine and Health SciencesAl Jalila Foundation
Mots-clésLung cancerEpithelial–mesenchymal transitionA549 cellCancer researchBiologyCancerPhenotypeSuppressorImmunologyImmune systemPathologyMedicineGeneMetastasisGenetics

Résumé

récupéré en direct d'OpenAlex

Microgravity is a novel strategy that may serve as a complementary tool to develop future cancer therapies. In lung cancer, the influence of microgravity on cellular processes and the migratory capacity of cells is well addressed. However, its effect on the mechanisms that drive lung cancer progression remains in their infancy. In this study, 13 differentially expressed genes were shown to be associated with the prognosis of lung cancer under simulated microgravity (SMG). Using gene set enrichment analysis, these genes are enriched in humoral immunity pathways. In lieu, alveolar basal-epithelial (A549) cells were exposed to SMG via a 2D clinostat system in vitro. In addition to morphology change and decrease in proliferation rate, SMG reverted the epithelial-to-mesenchymal transition (EMT) phenotype of A549, a key mechanism in cancer progression. This was evidenced by increased epithelial E-cadherin expression and decreased mesenchymal N-cadherin expression, hence exhibiting a less metastatic state. Interestingly, we observed increased expression of FCGBP, BPIFB, F5, CST1, and CFB and their correlation to EMT under SMG, rendering them potential tumor suppressor biomarkers. Together, these findings reveal new opportunities to establish novel therapeutic strategies for lung cancer treatment.

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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,400
Score d'incertitude au seuil0,327

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
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 Opus0,010
Tête enseignante GPT0,345
Écart entre enseignants0,334 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetSpaceflight effects on biologyTravaux en français237 207