Noncanonical functions of telomerase and telomeres in viruses‐associated cancer
Notice bibliographique
Résumé
The cause of cancer is attributed to the uncontrolled growth and proliferation of cells resulting from genetic changes and alterations in cell behavior, a phenomenon known as epigenetics. Telomeres, protective caps on the ends of chromosomes, regulate both cellular aging and cancer formation. In most cancers, telomerase is upregulated, with the telomerase reverse transcriptase (TERT) enzyme and telomerase RNA component (TERC) RNA element contributing to the maintenance of telomere length. Additionally, it is noteworthy that two viruses, human papillomavirus (HPV) and Epstein-Barr virus (EBV), utilize telomerase for their replication or persistence in infected cells. Also, TERT and TERC may play major roles in cancer not related to telomere biology. They are involved in the regulation of gene expression, signal transduction pathways, cellular metabolism, or even immune response modulation. Furthermore, the crosstalk between TERT, TERC, RNA-binding proteins, and microRNAs contributes to a greater extent to cancer biology. To understand the multifaceted roles played by TERT and TERC in cancer and viral life cycles, and then to develop effective therapeutic strategies against these diseases, are fundamental for this goal. By investigating deeply, the complicated mechanisms and relationships between TERT and TERC, scientists will open the doors to new therapies. In its analysis, the review emphasizes the significance of gaining insight into the multifaceted roles that TERT and TERC play in cancer pathogenesis, as well as their involvement in the viral life cycle for designing effective anticancer therapy approaches.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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) | 0,001 | 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 ».