Identification of Antisense RNA NRAS-AS and Its Preliminary Exploration of the Anticancer Regulatory Mechanism
Notice bibliographique
Résumé
OBJECTIVE: To explore the influence of NRAS-AS on the proliferation, apoptosis, cell cycle, migration, and invasion ability of HCC cells, as well as its underlying mechanisms. METHODS: A double-stranded cDNA library for liver cancer cells was constructed, and identified NRAS-AS through High-throughput sequencing, bioinformatics, chain-specific fluorescent quantitative PCR, and RACE. NRAS-AS's effects on HepG2 and SMMC-7721 cells and gene expression were evaluated. Additionally, the study analyzed the influence of NRAS-AS overexpression on tumor formation in nude mice. Immunohistochemistry and Western blotting were used to detect NRAS protein levels in clinical samples. RT-qPCR examined NRAS-AS and NRAS gene expression in HCC and adjacent tissues. RESULTS: NRAS-AS overexpression suppresses HCC cell proliferation and invasion, induces cell cycle alterations in HepG2 and SMMC-7721 cells, and enhances apoptosis. NRAS-AS interference promoted liver cancer invasion, inhibited apoptosis, and influences the cell cycle. Nude mice overexpressing NRAS-AS showed smaller tumors. NRAS-AS expression in liver cancer patients correlated with clinical factors. RT-qPCR revealed an inverse correlation between NRAS-AS and NRAS gene expression in liver cancer and adjacent tissues. IHC analysis revealed reduced NRAS protein expression in HepG2 and SMMC-7721 cells following NRAS-AS overexpression. The impact of AZA treatment on antisense NRAS-AS and sense NRAS gene expression in liver cancer cells was observed, and antisense. CONCLUSION: Reduced NRAS-AS expression is frequently observed in HCC and is inversely related to NRAS gene expression, suggesting a role in HCC pathogenesis through NRAS regulation. Targeting antisense RNA NRAS-AS could hold promise as a therapeutic target and diagnostic biomarker for HCC.
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) | 0,000 | 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 | 0,000 |
| 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 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 ».