Contribution of ABCB1 gene polymorphisms to breast cancer cells response to chemotherapy
Bibliographic record
Abstract
StreszczenieKażdego roku odnotowuje się 11 000 nowych przypadków zachorowań na raka piersi, a prawie połowa chorych umiera.Tak wysoka umieralność może być spowodowana zbyt późnym rozpoznaniem choroby, brakiem specyficznych i skutecznych leków, a także wystąpieniem zjawiska oporności wielolekowej (multiple drug resistance -MDR) w komórkach nowotworowych.Podstawowym mechanizmem wywołującym to zjawisko jest nadekspresja i zwiększona aktywność transporterów błonowych, z których większość należy do nadrodziny transporterów ABC (ATP binding casette).Spośród tych białek najlepiej poznanym jest glikoproteina P, produkt ekspresji genu ABCB1, odpowiedzialna m.in.za usuwanie ksenobiotyków i leków poza obszar komórki.Szerokie spektrum substratowe glikoproteiny P obejmuje: ksenobiotyki oraz leki cytotoksyczne, inhibitory białek, immunosupresanty, steroidy, statyny, blokery kanału wapniowego, beta-blokery, leki antyhistaminowe, przeciwdepresyjne oraz przeciwwymiotne.W sekwencji genu ABCB1 opisano szereg polimorfizmów, spośród których największe znaczenie kliniczne mają trzy -zamiana cytozyny na tyminę w pozycji 1236 egzonu 12 (C1236T, rs1128503), zamiana w egzonie 21 G2677A/T (rs2032582) oraz w egzonie 26 C3435T (rs1045642).Występowanie tych polimorfizmów może wpływać na zmianę ekspresji genu ABCB1 (C3435T), strukturę glikoproteiny P (G2677T/A) czy zdolność wiązania się białka z substratem (C1236T).Jak się podejrzewa, obecność tych polimorfizmów może w efekcie modyfikować odpowiedź komórek nowotworowych na chemioterapię.Niniejsza praca opisuje modulujący wpływ polimorfizmów genu ABCB1 na odpowiedź komórek raka piersi na chemioterapię.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.004 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.005 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".