Chemically Induced Brain Cancer in Sprague-Dawley Rats: Changed Lipidomics Mimics the Human Conditions
Notice bibliographique
Résumé
Malignant gliomas are one of the most treatment-refractory cancers. Development of resistance to chemo- and radiotherapies contributes to these tumors’ aggressive phenotypes. Elevated lipid levels in gliomas have been reported for the last 50 years. However, the molecular mechanisms of how tumor tissues obtain lipids and utilize them are not well understood.In our study, 48.6% of phosphatidylcholines were significantly changed during an early stage of brain cancer in females, and 66.2% in males. As for lysophosphatidylcholines 57.1% metabolites were significantly changed in female, and 64.3% in male rats. We observed the most interesting results in the group of sphingomyelins, where 85.8% metabolites were significantly elevated during brain cancer. According to VIP projection, the most important metabolites were: PC ae C40:3, PC ae C38:1, PC ae C30:1, PC ae C38:3, PC ae C44:3, PC aa C40:2, PC aa C42:0, PC ae C30:2, SM C20:2, PC aa C42:1 in females, and PC ae C38:1, PC ae C40:3, PC ae C30:1, PC ae C42:1, SM C20:2, PC aa C34:4, PC ae C38:4, PC aa C32:2, PC aa C38:5, lysoPC a C14:0. The identification of lipid biomarkers during the early stage of cancer could improve patient prognosis.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,001 |
| 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 ».