Bulk RNA sequencing dataset of Claudin-low breast cancer cell lines with Neuropilin-1 knockdown
Notice bibliographique
Résumé
Triple-negative breast cancers (TNBC) are a particularly aggressive breast cancer subtype with poor prognosis and high relapse rates. Due to a lack of identified targeted therapies, chemotherapy currently remains as the primary treatment for TNBC. Approximately 25-39% of TNBC are claudin-low breast cancers, which are mainly defined by low expression of cell-cell adhesion proteins and enrichment of mesenchymal signatures. Functional studies have demonstrated the potential role of the transmembrane-coreceptor, Neuropilin-1 (NRP1) in regulating the progression of these tumours. However, there have been no high-throughput studies to date that comprehensively investigate NRP1-modulated cell-signalling across multiple claudin-low cell lines. Therefore, we treated HS578T, MDA-MB-231 and SUM159PT claudin-low cell lines with either a non-targeting (NT) control or two NRP1-targeting small-interfering RNA (siRNA) or short-hairpin RNA (shRNA) sequences and followed this with bulk-RNA sequencing. We present this comprehensive transcriptomic dataset which provides a valuable resource for understanding both the transcriptomic landscape of claudin-low breast cancer and NRP1-regulated signalling pathways. Therefore, paving the way for future studies of its potential as a therapeutic target.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».