Synthetic lethal interactions of DEAD/H-box helicases as targets for cancer therapy
Notice bibliographique
Résumé
DEAD/H-box helicases are implicated in virtually every aspect of RNA metabolism, including transcription, pre-mRNA splicing, ribosomes biogenesis, nuclear export, translation initiation, RNA degradation, and mRNA editing. Most of these helicases are upregulated in various cancers and mutations in some of them are associated with several malignancies. Lately, synthetic lethality (SL) and synthetic dosage lethality (SDL) approaches, where genetic interactions of cancer-related genes are exploited as therapeutic targets, are emerging as a leading area of cancer research. Several DEAD/H-box helicases, including DDX3, DDX9 (Dbp9), DDX10 (Dbp4), DDX11 (ChlR1), and DDX41 (Sacy-1), have been subjected to SL analyses in humans and different model organisms. It remains to be explored whether SDL can be utilized to identity druggable targets in DEAD/H-box helicase overexpressing cancers. In this review, we analyze gene expression data of a subset of DEAD/H-box helicases in multiple cancer types and discuss how their SL/SDL interactions can be used for therapeutic purposes. We also summarize the latest developments in clinical applications, apart from discussing some of the challenges in drug discovery in the context of targeting DEAD/H-box helicases.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».