MétaCan
Menu
Retour à la cohorte
Enregistrement W4319812277 · doi:10.1111/cas.15755

Nucleolar stress: Molecular mechanisms and related human diseases

2023· review· en· W4319812277 sur OpenAlexaff
Tomohiko Maehama, Miki Nishio, Junji Otani, Tak W. Mak, Akira Suzuki

Notice bibliographique

RevueCancer Science · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA modifications and cancer
Établissements canadiensPrincess Margaret Cancer CentreUniversity of TorontoUniversity Health Network
Organismes subventionnairesJST-Mirai ProgramJapan Society for the Promotion of ScienceTokyo Medical and Dental UniversityJapan Agency for Medical Research and Development
Mots-clésNucleolusRibosome biogenesisBiologyDNA damageCell biologyRibosomal RNARibosomeStress granuleRNAGeneticsCancer researchDNATranslation (biology)GeneMessenger RNA

Résumé

récupéré en direct d'OpenAlex

Ribosome biogenesis in the nucleolus is an important process that consumes 80% of a cell's intracellular energy supply. Disruption of this process results in nucleolar stress, triggering the activation of molecular systems that respond to this stress to maintain homeostasis. Although nucleolar stress was originally thought to be caused solely by abnormalities of ribosomal RNA (rRNA) and ribosomal proteins (RPs), an accumulating body of more current evidence suggests that many other factors, including the DNA damage response and oncogenic stress, are also involved in nucleolar stress response signaling. Cells reacting to nucleolar stress undergo cell cycle arrest or programmed death, mainly driven by activation of the tumor suppressor p53. This observation has nominated nucleolar stress as a promising target for cancer therapy. However, paradoxically, some RP mutations have also been implicated in cancer initiation and progression, necessitating caution. In this article, we summarize recent findings on the molecular mechanisms of nucleolar stress and the human ribosomal diseases and cancers that arise in its wake.

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)0,000
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
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
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 Opus0,032
Tête enseignante GPT0,360
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

Citations46
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer ScienceMême sujetRNA modifications and cancerTravaux en français237 207