MétaCan
Menu
Retour à la cohorte
Enregistrement W4410326073 · doi:10.3390/ph18050708

RNAi Screening in Tumor Cells Identifies Artificial microRNAs That Improve Oncolytic Virus Replication

2025· article· en· W4410326073 sur OpenAlexafffund
Hannah Klemets, Angelina Bardoul, Adrian Pelin, Ragunath Singaravelu, Meaghan Boileau, Theresa Falls, Julia Petryk, Marie‐Claude Bourgeois‐Daigneault, John C. Bell, Dominic G. Roy

Notice bibliographique

RevuePharmaceuticals · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensUniversity of OttawaUniversité de MontréalOttawa HospitalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCanadian Cancer Society Research InstituteCanadian Institutes of Health ResearchInstitut Du Cancer de MontréalUniversité de Montréal
Mots-clésOncolytic virusmicroRNARNA interferenceReplication (statistics)VirusComputational biologyBiologyVirologyCancer researchGeneGeneticsRNA

Résumé

récupéré en direct d'OpenAlex

Background/Objectives: Oncolytic viruses infect and kill tumor cells while leaving normal cells unharmed. They are often attenuated through the reduction in their ability to antagonize antiviral defenses, leading to robust replication in tumor cells, which often possess defects in antiviral pathways, while minimizing replication in normal cells. However, not all tumors have defects in their antiviral defenses, and virus replication in these tumors is minimal, thus limiting therapeutic benefits. Therefore, identifying and modulating host factors that regulate virus replication in oncolytic virus-resistant cancer cells, but not normal cells, could lead to increased replication in these tumors and potentially improved therapeutic outcomes. Methods: To identify host factors that modulate oncolytic virus replication in tumor cells, we conducted an RNA interference screen by using a replication-competent library of Sindbis virus recombinants individually enabled with the capacity to elicit RNA interference in host genes via the expression of artificial microRNAs. Since the expression of artificial microRNAs is coupled to virus replication, this results in the selective enrichment of viral clones which express an artificial microRNA that promotes virus replication. Results: By using this approach, the serial passage of the Sindbis virus–artificial microRNA library in a tumor cell line followed by the deep sequencing of the selected viral populations led to the identification of several artificial microRNA sequences that were enriched. Furthermore, the identified artificial miRNA sequences increased the replication of several oncolytic viruses both in vitro and in vivo, ultimately leading to an enhanced therapeutic effect. Conclusions: Altogether, our study highlights the utility of this screening platform in identifying artificial microRNAs that enhance oncolytic virus efficacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,060
Tête enseignante GPT0,404
Écart entre enseignants0,345 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePharmaceuticalsMême sujetVirus-based gene therapy researchTravaux en français237 207