Peroxiredoxin 2 is a driver of hepatocarcinogenesis in metabolic liver disease
Bibliographic record
Abstract
Les maladies hépatiques chroniques et le carcinome hépatocellulaire (CHC) sont un problème de santé publique majeur pour lequel les solutions thérapeutiques sont limitées. L’infection chronique par les virus de l’hépatite C et B (VHC/VHB) et les syndromes métaboliques graves tel la stéatohépatite non-alcoolique (NASH) sont des causes majeures de CHC. Les mécanismes moléculaires menant à la carcinogenèse sont communs à l’ensemble des étiologies conduisant à la cirrhose. Une signature génétique spécifique du foie (PLS), étroitement liée au risque de CHC, a été décrite chez des patients cirrhotiques infectés par le VHC. Basé sur ces études, notre laboratoire a développé un modèle cellulaire récapitulant in vitro la PLS. Grâce à ce modèle, nous avons identifié une protéine impliquée dans la progression de la pathologie et le développement du CHC, la péroxirédoxine 2 (PRDX2). Durant cette thèse, l’étude du rôle de PRDX2 a permis d’avancer dans la compréhension des mécanismes moléculaires impliqués dans le développement du CHC et ainsi de proposer un nouveau paradigme dans le domaine de la cancérologie. Nous avons pu démontrer que PRDX2 est impliqué dans l’hépatocarcinogenèse et la progression du cancer en régulant les voies de signalisations pro carcinogéniques et en protégeant les cellules cancéreuses de l'apoptose. Par ailleurs, PRDX2 est impliquée dans le développement de la stéatose et la dysrégulation du métabolisme hépatique en inhibant la fonction de la protéine kinase activée par l'AMP. Ces travaux pourraient constituer la base d’une nouvelle approche thérapeutique pour prévenir le CHC, ce qui contribuera à une meilleure gestion de l’offre de soins aux patients.
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) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.001 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".