Radio-miRs: a comprehensive view of radioresistance-related microRNAs
Notice bibliographique
Résumé
Radiotherapy is a key treatment option for a wide variety of human tumors, employed either alone or alongside with other therapeutic interventions. Radiotherapy uses high-energy particles to destroy tumor cells, blocking their ability to divide and proliferate. The effectiveness of radiotherapy is due to genetic and epigenetic factors that determine how tumor cells respond to ionizing radiation. These factors contribute to the establishment of resistance to radiotherapy, which increases the risk of poor clinical prognosis of patients. Although the mechanisms by which tumor cells induce radioresistance are unclear, evidence points out several contributing factors including the overexpression of DNA repair systems, increased levels of reactive oxygen species, alterations in the tumor microenvironment, and enrichment of cancer stem cell populations. In this context, dysregulation of microRNAs or miRNAs, critical regulators of gene expression, may influence how tumors respond to radiation. There is increasing evidence that miRNAs may act as sensitizers or enhancers of radioresistance, regulating key processes such as the DNA damage response and the cell death signaling pathway. Furthermore, expression and activity of miRNAs have shown informative value in overcoming radiotherapy and long-term radiotoxicity, revealing their potential as biomarkers. In this review, we will discuss the molecular mechanisms associated with the response to radiotherapy and highlight the central role of miRNAs in regulating the molecular mechanisms responsible for cellular radioresistance. We will also review radio-miRs, radiotherapy-related miRNAs, either as sensitizers or enhancers of radioresistance that hold promise as biomarkers or pharmacological targets to sensitize radioresistant cells.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».