Elucidating functional interactions of the RET receptor tyrosine kinase in cancer using a synthetic dosage lethal screen
Notice bibliographique
Résumé
RET (REarranged during Transfection) is a receptor tyrosine kinase that plays essential roles in the early development of the kidneys and neural crest-derived lineages (e.g., enteric nervous system). Its ability to activate pro-growth signaling pathways has implicated RET in several malignancies. While a clear oncogenic role for RET has been established, the precise molecular mechanisms that contribute to RET-mediated oncogenic growth are less well known. To address this gap, we performed an unbiased, genome-wide synthetic dosage lethal (SDL) screen in collaboration with Dr. Franco Vizeacoumar (University of Saskatchewan) to uncover genes that are functionally linked to RET-mediated growth of SH-SY5Y neuroblastoma cells. This project used an integrative bioinformatics approach that combined statistical analysis with machine learning to identify and prioritize candidate genes from the screen results. Two genes, ASCL1 and NCAM1, were selected for experimental validation of our approach. The work presented in this thesis provides the first known evidence of a role for ASCL1 in transcription of RET in a neuroblastoma cell line. Furthermore, we show that NCAM1 may play a role in transdifferentiation of SH-SY5Y cells which may modulate cell growth. Together, this project serves as an important proof-of-principle study for assessing the utility of the SDL screen in uncovering genes that contribute to RET-mediated processes.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».