MétaCan
Menu
Retour à la cohorte
Enregistrement W4394544049 · doi:10.6084/m9.figshare.8052740

MicroRNA-10b controls the metastasis and proliferation of colorectal cancer cells by regulating Krüppel-like factor 4

2019· dataset· en· W4394544049 sur OpenAlexaff
Yue Xie, Jing Zhao, Yanling Liang, Min Chen, Yihong Luo, Xiaobing Cui, Bo Jiang, Liang Peng, Xinying Wang

Notice bibliographique

RevueFigshare · 2019
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueKruppel-like factors research
Établissements canadiensUniversity of British ColumbiaJewish General Hospital
Organismes subventionnairesnon disponible
Mots-clésKrüppelColorectal cancermicroRNAMetastasisCancer researchOncologyBiologyMedicineInternal medicineCancerGeneticsTranscription factorGene

Résumé

récupéré en direct d'OpenAlex

Mir-10b has been reported as a key regulator of metastasis in many human tumours. Moreover, it has also been regarded as a prognostic marker and therapeutic target of colorectal cancer (CRC). Whether miR-10b could affect the metastasis and proliferation of CRC is unclear. MiR-10b expression was detected by qPCR in human CRC tissues and cell line, Luciferase activity was employed for miR-10b binding to the 3`UTR of KLF4, Genes expression were examined by western blot, and mRNA by qPCR. PI and Annexin V staining were used to evaluate the cell cycle and apoptosis. Cell proliferation was detected with MTT, and cell migration and invasion were performed with Transwell assay. We found that miR-10b expression was up-regulated in metastatic CRC tissues and cell lines. Inhibition of miR-10b prevented cancer cell metastasis and growth by inducing cell-cycle arrest and apoptosis in vitro. Moreover, we found that KLF4 was a direct target of miR-10b. MiR-10b inhibitor led to the up-regulation of E-cadherin expression and the down-regulation of cyclin D1, which were partly abrogated after silencing KLF4.

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: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,060

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 recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0180,010

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 Opus0,026
Tête enseignante GPT0,300
Écart entre enseignants0,273 · 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
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

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetKruppel-like factors researchTravaux en français237 207