FUCA1: An Underexplored p53 Target Gene Linking Glycosylation and Cancer Progression
Notice bibliographique
Résumé
Cancer is a difficult-to-cure disease with high worldwide incidence and mortality, in large part due to drug resistance and disease relapse. Glycosylation, which is a common modification of cellular biomolecules, was discovered decades ago and has been of interest in cancer research due to its ability to influence cellular function and to promote carcinogenesis. A variety of glycosylation types and structures regulate the function of biomolecules and are potential targets for investigating and treating cancer. The link between glycosylation and carcinogenesis has been more recently revealed by the role of p53 in energy metabolism, including the p53 target gene alpha-L-fucosidase 1 (FUCA1), which plays an essential role in fucosylation. In this review, we summarize roles of glycan structures and glycosylation-related enzymes to cancer development. The interplay between glycosylation and tumor microenvironmental factors is also discussed, together with involvement of glycosylation in well-characterized cancer-promoting mechanisms, such as the epidermal growth factor receptor (EGFR), phosphatidylinositol-3-kinase/protein kinase B (PI3K/Akt) and p53-mediated pathways. Glycan structures also modulate cell–matrix interactions, cell–cell adhesion as well as cell migration and settlement, dysfunction of which can contribute to cancer. Thus, further investigation of the mechanistic relationships among glycosylation, related enzymes and cancer progression may provide insights into potential novel cancer treatments.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».