Molecular basis and therapeutic implications of binary YAPOn/YAPOff cancer classes
Notice bibliographique
Résumé
Cancers have traditionally been classified based on their tissue of origin. However, with advances in sophisticated genome sequencing techniques and progression toward an era of precision medicine, it has become increasingly clear that classifying tumors based on unifying molecular features instead of tissue of origin may hold the key to improving patient outcomes. Various efforts have been undertaken to address this critical aspect of cancer biology, but it is still unclear as to the best approach to stratify tumors into different molecular classes. One approach is to define many small subclasses based on complex molecular signatures, while another option is to divide cancers into larger groups based on higher-order features of cancer behavior. This latter approach holds appeal as it may provide opportunities to identify broadly relevant therapeutics. However, our understanding of these fundamental 'rules' of cancer biology and how they can be used to better classify and treat cancers is in its infancy. We recently demonstrated that cancers can be functionally stratified into binary YAPon and YAPoff super-classes with unique therapeutic vulnerabilities based on distinct expression and function of the transcriptional coactivators, YAP and TAZ. In YAPon cancers, YAP and TAZ drive oncogenesis, whereas in YAPoff cancers, YAP and TAZ are instead tumor suppressors. In this review, we discuss our understanding of these distinct cancer classes with a focus on the mechanisms that underlie the opposite function of YAP/TAZ in YAPon and YAPoff cancers, as well as the potential therapeutic implications of these findings.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| 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 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 ».