MétaCan
Menu
Retour à la cohorte
Enregistrement W4394128610 · doi:10.6084/m9.figshare.13637168.v1

miR-202-3p negatively regulates MMP-1 to inhibit the proliferation, migration and invasion of lung adenocarcinoma cells

2021· dataset· en· W4394128610 sur OpenAlexaff
Yong Li, Huiqin Huang, Xiangli Ye, Zhenghui Huang, Xiangqi Chen, Feng Wu, Tingyan Lin

Notice bibliographique

RevueOPAL (Open@LaTrobe) (La Trobe University) · 2021
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMicroRNA in disease regulation
Établissements canadiensAlberta Health Services
Organismes subventionnairesnon disponible
Mots-clésMatrix metalloproteinaseCancer researchAdenocarcinomaLungCell biologyBiologyInternal medicineMedicineCancerGenetics

Résumé

récupéré en direct d'OpenAlex

Lung adenocarcinoma (LUAD) is one of the common cancers. Studies show that MMP-1 is involved in tumor progression, yet relevant regulatory mechanism in LUAD remains to be further elucidated. Here, we demonstrated from bioinformatics analysis for GEO data that MMP-1 was differentially up-regulated in LUAD. miR-202-3p, identified as the upstream regulator of MMP-1 by both bioinformatics and dual-luciferase assays, was differentially down-regulated in LUAD and presented a negative correlation with MMP-1. Following cell biological experiments proved that knocking down the expression of MMP-1 inhibited the proliferation, migration and invasion of LUAD cells, while overexpressed miR-202-3p posed a similar suppressive effect on cancer progression. Additionally, rescue assay further identified that overexpression of MMP-1 attenuated the suppressive effect of up-regulated miR-202-3p on malignant progression of LUAD cells. In all, this research suggests a mechanism by which MMP-1 under the regulation of miR-202-3p modulates the proliferation, migration and invasion of LUAD cells, which may contribute to the development of new therapeutic strategies.

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)0,001
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,009
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0090,008

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 GPT0,221
Écart entre enseignants0,211 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreJeu de données

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

En bref

Citations2
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOPAL (Open@LaTrobe) (La Trobe University)Même sujetMicroRNA in disease regulationTravaux en français237 207