Understanding the role of the matricellular protein SMOC-2 in renal cell carcinoma
Bibliographic record
Abstract
Les proteins matricellulaires (MPs) sont des macromolécules non structurales de la matrice extracellulaire (ECM) qui sont induites de façon transitoire lors du développement, de la réparation et du remodelage tissulaire et lors de l’inflammation. L’expression des MPs peut être déclenchée par des dommages tissulaires aigus, et leur expression à long terme peut contribuer à certaines maladies chroniques. Les MPs agissent principalement pour médier les événements du remodelage tissulaire en facilitant les interactions et les signaux à partir de l’ECM vers l’environnement cellulaire avoisinant. En utilisant des données de RNA-seq provenant de deux modèles distincts de dommages rénaux, soit l’Acide Folique (FA) ou l’Obstruction Urétérale Unilatérale (UUO), nous avons analysé les profils d’expressions de plusieurs familles bien connues de MPs lors des blessures aigues et chroniques. Nous révélons de nouvelles MPs impliquées dans les dommages rénaux et présentons de nouveaux réseaux entre les membres de chaque famille de MPs, en utilisant des outils bioinformatiques. L’expression de l’ARNm de certaines MPs a été confirmée par immuno-buvardage de type Western (WB). Afin d’approfondir notre connaissance des mécanismes de réparation tissulaire et de remodelage de la matrice, nous avons choisi SMOC-2 comme MP modèle dans l’étude des carcinomes cellulaires rénaux (RCC), cancers qui présentent de fortes tendances métastatiques. Nous avons démontré que la surexpression de SMOC-2 ainsi que le traitement avec la protéine recombinante de lignées cellulaires RCC (786-O, et ACHN) induisent un profil métastatique de transition épithélio-mésenchymateuse (EMT) par WB et des tests fonctionnels. Nous avons également démontré que l’inhibition de SMOC-2 par siRNA donne les résultats opposés. L’ensemble de nos travaux utilise la compréhension des patrons d’expressions temporels des MPs pour améliorer notre compréhension des mécanismes et conditions qui supportent une activation persistante dans des états pathologiques chroniques. Globalement, notre étude sur SMOC-2 offre une perspective ainsi qu’un modèle intéressant pour l’étude et la caractérisation de nouvelles MPs dans des maladies impliquant le remodelage et la réparation de la matrice.
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 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
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".