A Lipidomics Approach to Determine the Role of Lipids and its Crosstalk with Autophagy in Lung Cancer Metastasis
Notice bibliographique
Résumé
Summary/Abstract Non-small cell lung cancer (NSCLC) is among the most malignant tumors with high propensity for metastasis and is the leading cause of cancer-related death globally. Most patients present with regional and distant metastasis, associated with poor prognosis. Lipids may play an essential role in either activating or inhibiting detachment-induced apoptosis (anoikis), where the latter is a crucial mechanism to prevent metastasis, and it may have a cross-talk with autophagy. Autophagy has been shown to be induced in various human cancer metastasis, modulating tumor cell motility and invasion, cancer cell differentiation, resistance to anoikis, and epithelial to mesenchymal transition. Hence, it may play a crucial role in the transition of benign to malignant phenotypes, the core of metastasis initiation. Here, we provide a method we have established in our laboratory for detecting of lipids in attached and detached non-small lung cancer cells and show how to analyze lipidomics data to find its correlation with autophagy-related pathways. Graphical abstract Workflow of A549 attached and detached cell culture. Cells are collected, lipids are extracted and subjected to LC/MS processing. Next, lipidomics resulting data is analyzed through various steps involving utilization of Metaboanlyst, HDMB, Swiss Target Prediction, and String.
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) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,008 | 0,003 |
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 ».