MétaCan
Menu
Retour à la cohorte
Enregistrement W7023999235

Protein kinase inhibitor effects on P-glycoprotein (P-gp) activity and expression in various cell lines

2015· dissertation· en· W7023999235 sur OpenAlexaff

Notice bibliographique

RevueMspace (University of Manitoba) · 2015
Typedissertation
Langueen
DomainePhysics and Astronomy
ThématiqueModel Reduction and Neural Networks
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésCell cultureProtein kinase AProtein kinase inhibitorKinaseMitogen-activated protein kinase kinaseCellCyclin-dependent kinase 3ASK1Cyclin-dependent kinase 2
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Little is known about potential influences of kinase pathway modulation on expression and activity of P-glycoprotein (P-gp). A protein kinase inhibitor (PKI) library was screened, to determine its effects on activity and expression of P-gp, in various cell lines. Cell lines were incubated with PKI for 24 h. Subsequent P-gp substrate accumulation studies were performed. Changes in P-gp activity and/or expression ≥ 25% compared to control were considered hits. Kinase pathways identified as P-gp activity hits were examined for their ability to modulate permeability. PKI families GSK-3, Craf1 and VEGFR2 and Tie-2, significantly modulated P-gp activity in the MDCK cell line. PKI families GSK-3, Iκκ and Jnk2/3 significantly modulated P-gp activity in the Caco-2 cell line. Few P-gp activity hits significantly modulated P-gp expression. PKIs modulate P-gp activity more than P-gp expression in a cell line dependent manner, excluding GSK-3 PKI family, which appears to be cell line independent.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,238
Score d'incertitude au seuil1,000

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 Opus0,009
Tête enseignante GPT0,209
Écart entre enseignants0,200 · 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.

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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMspace (University of Manitoba)Même sujetModel Reduction and Neural NetworksTravaux en français237 207