Characterizing the Expression of Cytochrome P450s in Breast Cancer Cells
Bibliographic record
Abstract
Une résistance aux agents anticancéreux utilisés dans le traitement du cancer du sein est souvent associée à un échec de traitement. Des variations dans le devenir des agents anticancéreux dans l’organisme, sont des facteurs pouvant expliquer des phénomènes de résistance. Notre but était d’évaluer l’impact des isoenzymes du CYP450s, dans le métabolisme local des agents anticancéreux. Notre premier objectif était de valider un gène rapporteur pour nos analyses de PCR en temps réel. Pour ce faire, nous avons criblé l’expression de 6 gènes rapporteurs dans 23 lignées cellulaires. NUP-214 a été démontré comme étant le gène rapporteur le plus stable avec un écart-type de seulement 0.55 Ct. Notre deuxième objectif était de déterminer le niveau d’expression des ARNm de 19 isoformes du CYP450 dans plusieurs lignées cellulaires du cancer du sein. Les ARNm des CYP450s ont démontré une très grande variabilité entre les lignées cellulaires. Les isoformes CYP1B1 et CYP2J2 démontrent l’expression la plus importante pour la majorité des lignées. Notre troisième objectif était d’évaluer la corrélation entre l’expression des isoformes des CYP450s et leur activité métabolique en utilisant les substrats spécifiques du CYP1B1 et 2J2, 7-éthoxyrésorufine et ébastine, respectivement. Une forte corrélation (r2=0.99) fut observée entre l’activité métabolique vis-à-vis l’ébastine et l’expression du CYP2J2. De même, le métabolisme du 7-éthoxyrésorufine était fortement corrélé (r2=0.98) avec l’expression du CYP1B1. En résumé, ces résultats suggèrent que le métabolisme local des agents anticancéreux pourrait significativement moduler le devenir des agents anticancéreux dans l’organisme, et pourrait être ainsi, une source de résistance.
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 | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.001 | 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".