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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».