MétaCan
Menu
Retour à la cohorte
Enregistrement W4415263628 · doi:10.1038/s41420-025-02745-w

Evidence of fructose metabolism in colorectal cancer

2025· article· en· W4415263628 sur OpenAlexaff
Giuseppe Sica, Julia Bischof, Lukas Funke, Hartmut Juhl, Eleonora Candi, Alessandro Mauriello, Manuel Scimeca, Luca Savino, Francesca Servadei, Lu Wang, Qing Zhao, Wen‐Lian Chen, Qiang Sun, Wei Jia, Gerry Melino

Notice bibliographique

RevueCell Death Discovery · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensBiotechnology Research Institute
Organismes subventionnairesAssociazione Italiana per la Ricerca sul CancroNational Natural Science Foundation of ChinaEuropean Commission
Mots-clésColorectal cancerMetabolomicsGlycolysisFructoseWarburg effectMetabolic pathwayMetabolismCarbohydrate metabolism

Résumé

récupéré en direct d'OpenAlex

Colorectal cancer (CRC) represents a significant global health burden, contributing significantly to cancer-related mortality. The underlying genetic and metabolic underpinnings of CRC remain incompletely understood. In this study, we conducted a comprehensive investigation into metabolic perturbations in 29 CRC patients utilizing targeted omics approaches, compared to public databases. Additionally, we examined serum and tissue samples from 12 patients, with and without preoperative glucose challenge, using targeted metabolomics to investigate glucose and fructose metabolism. Notably, elevated levels of serum D-Fructose and L-Lactic acid following glucose administration indicate augmented glycolytic activity and polyol pathway-mediated glucose conversion (to fructose). Despite variations in tumor responses, our results underscore the potential significance of fructose metabolism in CRC progression, shedding light on therapeutic avenues targeting the Warburg effect. This research lays a solid foundation for future translational research into metabolic interventions in CRC treatment and enhances our understanding of cancer-related metabolic reprogramming.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,086
Score d'incertitude au seuil0,566

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,274
Écart entre enseignants0,261 · 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 tête enseignante, 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

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCell Death DiscoveryMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207