آدرس ایمیل خود را وارد نمایید
ثبت
پیام خود را بنویسید
جلد 18، شماره 3 - ( مجله علمی بیماری های پستان ایران 1404 )
جلد 18 شماره 3 صفحات 84-52 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Nobakht M. Gh. B F, Gilany K. Amino Acid Profile Alterations in Breast Cancer: A Systematic Review and Meta-Analysis. ijbd 2025; 18 (3) :52-84
URL: http://ijbd.ir/article-1-1173-fa.html
URL: http://ijbd.ir/article-1-1173-fa.html
نوبخت مطلق قوچانی بی بی فاطمه، گیلانی کامبیز. تغییرات پروفایل آمینواسیدی در سرطان پستان: مرور سیستماتیک و متاآنالیز. بیماری‌های پستان ایران. 1404; 18 (3) :52-84
1- مرکز تحقیقات آسیبهای شیمیایی، پژوهشکده سیستم بیولوژی و مسمومیت، دانشگاه علوم پزشکی بقیه الله(عج)، تهران، ایران
2- پژوهشکده مهندسی و علوم مولکولی، دانشگاه اراک، اراک ۳۸۴۸۱۷۷۵۸۴، ایران. بخش انکولوژی جامع، مرکز تحقیقات سرطان پستان، موسسه سرطان معتمد، ACECR، تهران، ایران. مرکز تحقیقات ایمونولوژی تولیدمثل، پژوهشگاه ابن سینا، پژوهشگاه علوم غدد درون ریز ACECR، تهران ۱۹۸۳۹۶۹۴۱۲، ایران ،k.gilany@avicenna.ac.ir
2- پژوهشکده مهندسی و علوم مولکولی، دانشگاه اراک، اراک ۳۸۴۸۱۷۷۵۸۴، ایران. بخش انکولوژی جامع، مرکز تحقیقات سرطان پستان، موسسه سرطان معتمد، ACECR، تهران، ایران. مرکز تحقیقات ایمونولوژی تولیدمثل، پژوهشگاه ابن سینا، پژوهشگاه علوم غدد درون ریز ACECR، تهران ۱۹۸۳۹۶۹۴۱۲، ایران ،
چکیده: (542 مشاهده)
مقدمه: سرطان پستان به عنوان یکی از شایع‌ترین بدخیمی‌ها در زنان، لزوم تشخیص زودهنگام را جهت بهبود پیش‌آگهی و نتایج درمانی برجسته می‌سازد. کشف نشانگرهای زیستی نوین که به تشخیص دقیق‌تر و بهنگام‌تر کمک کنند، از اهمیت بسزایی برخوردار است. این مطالعه متاآنالیز با هدف ارزیابی پتانسیل غلظت آمینواسیدهای سرم یا پلاسما به عنوان نشانگرهای زیستی برای سرطان پستان انجام شد.
روش بررسی: جستجوی نظام‌مند مقالات مرتبط تا تاریخ ۱ فوریه ۲۰۲۵ در پایگاه‌های اطلاعاتی پابمد، اسکوپوس و امبیس با استفاده از کلمات کلیدی مربوطه صورت گرفت. مقالات واجد شرایط وارد فرآیند متاآنالیز شده و داده‌ها با استفاده از نرم‌افزار MedCalc تحلیل شدند. برای ارزیابی تغییرات در سطوح آمینواسیدهای سرم/پلاسما، از اختلاف میانگین استاندارد شده (SMD) و انحراف معیار استفاده شد. به‌دلیل وجود هتروژنتی بالا بین مطالعات، مدل اثرات تصادفی به‌کار گرفته شد.
یافته‌ها: در مجموع دوازده مطالعه با مشارکت ۱۸۴۹ نفر معیارهای ورود به متاآنالیز را احراز کردند. نتایج حاصله نشان داد که در مقایسه با گروه کنترل، تنها دو مورد از ۲۰ اسید آمینه مورد بررسی، تغییرات معنی‌داری در بیماران مبتلا به سرطان پستان داشتند. سطح سرم/پلاسما تریپتوفان در افراد مبتلا به سرطان پستان به‌طور معنی‌داری پایین‌تر از گروه کنترل بود (SMD = -0.583 µM; 95% CI: -0.988, -0.179; p=0.005). در مقابل، سطوح سرین در جمعیت بیماران در مقایسه با گروه کنترل افزایش معنی‌داری نشان داد (SMD = 0.382 µM; 95% CI: 0.056, 0.707; p=0.022).
نتیجه‌گیری: این متاآنالیز شواهدی مبنی بر تغییرات قابل‌توجه در سطوح آمینواسیدهای تریپتوفان و سرین در بیماران مبتلا به سرطان پستان ارائه می‌دهد. این یافته‌ها می‌توانند مبنایی برای ابداع روش‌های تشخیصی جدید و بهبود استراتژی‌های درمانی در این بیماری فراهم آورند.
روش بررسی: جستجوی نظام‌مند مقالات مرتبط تا تاریخ ۱ فوریه ۲۰۲۵ در پایگاه‌های اطلاعاتی پابمد، اسکوپوس و امبیس با استفاده از کلمات کلیدی مربوطه صورت گرفت. مقالات واجد شرایط وارد فرآیند متاآنالیز شده و داده‌ها با استفاده از نرم‌افزار MedCalc تحلیل شدند. برای ارزیابی تغییرات در سطوح آمینواسیدهای سرم/پلاسما، از اختلاف میانگین استاندارد شده (SMD) و انحراف معیار استفاده شد. به‌دلیل وجود هتروژنتی بالا بین مطالعات، مدل اثرات تصادفی به‌کار گرفته شد.
یافته‌ها: در مجموع دوازده مطالعه با مشارکت ۱۸۴۹ نفر معیارهای ورود به متاآنالیز را احراز کردند. نتایج حاصله نشان داد که در مقایسه با گروه کنترل، تنها دو مورد از ۲۰ اسید آمینه مورد بررسی، تغییرات معنی‌داری در بیماران مبتلا به سرطان پستان داشتند. سطح سرم/پلاسما تریپتوفان در افراد مبتلا به سرطان پستان به‌طور معنی‌داری پایین‌تر از گروه کنترل بود (SMD = -0.583 µM; 95% CI: -0.988, -0.179; p=0.005). در مقابل، سطوح سرین در جمعیت بیماران در مقایسه با گروه کنترل افزایش معنی‌داری نشان داد (SMD = 0.382 µM; 95% CI: 0.056, 0.707; p=0.022).
نتیجه‌گیری: این متاآنالیز شواهدی مبنی بر تغییرات قابل‌توجه در سطوح آمینواسیدهای تریپتوفان و سرین در بیماران مبتلا به سرطان پستان ارائه می‌دهد. این یافته‌ها می‌توانند مبنایی برای ابداع روش‌های تشخیصی جدید و بهبود استراتژی‌های درمانی در این بیماری فراهم آورند.
نوع مطالعه: مروری |
موضوع مقاله:
تشخیص، درمان، بازتوانی
دریافت: 1403/12/11 | پذیرش: 1404/3/11 | انتشار: 1404/7/10
دریافت: 1403/12/11 | پذیرش: 1404/3/11 | انتشار: 1404/7/10
فهرست منابع
1. Siegel RL, Miller KD, Wagle NS, Jemal A. Cancer statistics, 2023. CA: a cancer journal for clinicians. 2023;73(1):17-48. doi: 10.3322/caac.21763 [DOI:10.3322/caac.21763] [PMID]
2. Sung H, Ferlay J, Siegel RL, Laversanne M, Soerjomataram I, Jemal A, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA: a cancer journal for clinicians. 2021;71(3):209-49. doi: 10.3322/caac.21660 [DOI:10.3322/caac.21660] [PMID]
3. Kim J, Harper A, McCormack V, Sung H, Houssami N, Morgan E, et al. Global patterns and trends in breast cancer incidence and mortality across 185 countries. Nature Medicine. 2025:1-9. doi: 10.1038/s41591-025-03502-3 [DOI:10.1038/s41591-025-03502-3] [PMID]
4. Seyed-Nezhad M, Effatpanah M, Moradi T, Akbari M, Manzouri L, Moradi-Joo M. Incidence, Prevalence, Mortality, and Direct Costs of Breast Cancer in Iran: Using the Iran Health Insurance Organization Database. cancer. 2025;1:2. doi: 10.5812/ijcm-157981 [DOI:10.5812/ijcm-157981]
5. Sanaat Z, Dolatkhah R. Epidemiologic profile of breast cancer in Iran: a systematic review and meta-analysis. Clinical Epidemiology and Global Health. 2024;26:101537. doi: 10.1016/j.cegh.2024.101537 [DOI:10.1016/j.cegh.2024.101537]
6. Jiao Z, Pan Y, Chen F. The metabolic landscape of breast cancer and its therapeutic implications. Molecular Diagnosis & Therapy. 2023;27(3):349-69. doi: 10.1007/s40291-023-00645-2 [DOI:10.1007/s40291-023-00645-2] [PMID]
7. Li S, Zeng H, Fan J, Wang F, Xu C, Li Y, et al. Glutamine metabolism in breast cancer and possible therapeutic targets. Biochemical pharmacology. 2023;210:115464. doi: 10.1016/j.bcp.2023.115464 [DOI:10.1016/j.bcp.2023.115464] [PMID]
8. Jové M, Collado R, Quiles JL, Ramírez-Tortosa M-C, Sol J, Ruiz-Sanjuan M, et al. A plasma metabolomic signature discloses human breast cancer. Oncotarget. 2017;8(12):19522. doi: 10.18632/oncotarget.14521 [DOI:10.18632/oncotarget.14521] [PMID] []
9. Jasbi P, Wang D, Cheng SL, Fei Q, Cui JY, Liu L, et al. Breast cancer detection using targeted plasma metabolomics. Journal of chromatography B. 2019;1105:26-37. doi: 10.1016/j.jchromb.2018.11.029 [DOI:10.1016/j.jchromb.2018.11.029] [PMID]
10. Nobakht M. Gh BF, Aliannejad R, Rezaei-Tavirani M, Taheri S, Oskouie AA. The metabolomics of airway diseases, including COPD, asthma and cystic fibrosis. Biomarkers. 2015;20(1):5-16. doi: 10.3109/1354750X.2014.983167 [DOI:10.3109/1354750X.2014.983167] [PMID]
11. Dougan MM, Li Y, Chu LW, Haile RW, Whittemore AS, Han SS, et al. Metabolomic profiles in breast cancer: a pilot case-control study in the breast cancer family registry. BMC cancer. 2018;18:1-8. doi: 10.1186/s12885-018-4437-z [DOI:10.1186/s12885-018-4437-z] [PMID] []
12. Shen J, Yan L, Liu S, Ambrosone CB, Zhao H. Plasma metabolomic profiles in breast cancer patients and healthy controls: by race and tumor receptor subtypes. Translational oncology. 2013;6(6):757. doi: 10.1593/tlo.13619 [DOI:10.1593/tlo.13619] [PMID] []
13. Jobard E, Pontoizeau C, Blaise BJ, Bachelot T, Elena-Herrmann B, Trédan O. A serum nuclear magnetic resonance-based metabolomic signature of advanced metastatic human breast cancer. Cancer letters. 2014;343(1):33-41. doi: 10.1016/j.canlet.2013.09.011 [DOI:10.1016/j.canlet.2013.09.011] [PMID]
14. Mishra P, Ambs S. Metabolic signatures of human breast cancer. Molecular & cellular oncology. 2015;2(3):e992217. doi: 10.4161/23723556.2014.992217 [DOI:10.4161/23723556.2014.992217] [PMID] []
15. Fan Y, Zhou X, Xia T-S, Chen Z, Li J, Liu Q, et al. Human plasma metabolomics for identifying differential metabolites and predicting molecular subtypes of breast cancer. Oncotarget. 2016;7(9):9925. doi: 10.18632/oncotarget.7155 [DOI:10.18632/oncotarget.7155] [PMID] []
16. Asiago VM, Alvarado LZ, Shanaiah N, Gowda GN, Owusu-Sarfo K, Ballas RA, Raftery D. Early detection of recurrent breast cancer using metabolite profiling. Cancer research. 2010;70(21):8309-18. doi: 10.1158/0008-5472.CAN-10-1319 [DOI:10.1158/0008-5472.CAN-10-1319] [PMID] []
17. Zapater-Moros A, Díaz-Beltrán L, Gámez-Pozo A, Trilla-Fuertes L, Lumbreras-Herrera MI, López-Camacho E, et al. Metabolomics unravels subtype-specific characteristics related to neoadjuvant therapy response in breast cancer patients. Metabolomics. 2023;19(7):60. doi: 10.1007/s11306-023-02024-8 [DOI:10.1007/s11306-023-02024-8] [PMID]
18. Slupsky CM, Steed H, Wells TH, Dabbs K, Schepansky A, Capstick V, et al. Urine metabolite analysis offers potential early diagnosis of ovarian and breast cancers. Clinical cancer research. 2010;16(23):5835-41. doi: 10.1158/1078-0432.CCR-10-1434 [DOI:10.1158/1078-0432.CCR-10-1434] [PMID]
19. Murata T, Yanagisawa T, Kurihara T, Kaneko M, Ota S, Enomoto A, et al. Salivary metabolomics with alternative decision tree-based machine learning methods for breast cancer discrimination. Breast cancer research and treatment. 2019;177:591-601. doi: 10.1007/s10549-019-05330-9 [DOI:10.1007/s10549-019-05330-9] [PMID]
20. Yuan B, Schafferer S, Tang Q, Scheffler M, Nees J, Heil J, et al. A plasma metabolite panel as biomarkers for early primary breast cancer detection. International journal of cancer. 2019;144(11):2833-42. doi: 10.1002/ijc.31996 [DOI:10.1002/ijc.31996] [PMID]
21. Eniu DT, Romanciuc F, Moraru C, Goidescu I, Eniu D, Staicu A, et al. The decrease of some serum free amino acids can predict breast cancer diagnosis and progression. Scandinavian journal of clinical and laboratory investigation. 2019;79(1-2):17-24. doi: 10.1080/00365513.2018.1542541 [DOI:10.1080/00365513.2018.1542541] [PMID]
22. More TH, RoyChoudhury S, Christie J, Taunk K, Mane A, Santra MK, et al. Metabolomic alterations in invasive ductal carcinoma of breast: A comprehensive metabolomic study using tissue and serum samples. Oncotarget. 2018;9(2):2678. doi: 10.18632/oncotarget.23626 [DOI:10.18632/oncotarget.23626] [PMID] []
23. Torata N, Kubo M, Miura D, Ohuchida K, Mizuuchi Y, Fujimura Y, et al. Visualizing energy charge in breast carcinoma tissues by MALDI mass-spectrometry imaging profiles of low-molecular-weight metabolites. Anticancer research. 2018;38(7):4267-72. doi: 10.21873/anticanres.12723 [DOI:10.21873/anticanres.12723] [PMID]
24. Baranovicova E, Racay P, Zubor P, Smolar M, Kudelova E, Halasova E, et al. Circulating metabolites in the early stage of breast cancer were not related to cancer stage or subtypes but associated with ki67 level. Promising statistical discrimination from controls. Molecular and Cellular Probes. 2022;66:101862. doi: 10.1016/j.mcp.2022.101862 [DOI:10.1016/j.mcp.2022.101862] [PMID]
25. Hussain A, Xie L, Deng G, Kang X. Common alterations in plasma free amino acid profiles and gut microbiota-derived tryptophan metabolites of five types of cancer patients. Amino Acids. 2023;55(9):1189-200. doi: 10.1007/s00726-023-03308-y [DOI:10.1007/s00726-023-03308-y] [PMID]
26. Moher D, Shamseer L, Clarke M, Ghersi D, Liberati A, Petticrew M, et al. Preferred reporting items for systematic review and meta-analysis protocols (PRISMA-P) 2015 statement. Systematic reviews. 2015;4:1-9. doi: 10.1186/2046-4053-4-1 [DOI:10.1186/2046-4053-4-1] [PMID] []
27. https://www.ohri.ca/programs/ clinical_epidemiology/oxford.asp [
28. Wang X, Zhao X, Chou J, Yu J, Yang T, Liu L, Zhang F. Taurine, glutamic acid and ethylmalonic acid as important metabolites for detecting human breast cancer based on the targeted metabolomics. Cancer biomarkers. 2018;23(2):255-68. doi: 10.3233/CBM-181500 [DOI:10.3233/CBM-181500] [PMID]
29. Gu Y, Chen T, Fu S, Sun X, Wang L, Wang J, et al. Perioperative dynamics and significance of amino acid profiles in patients with cancer. Journal of translational medicine. 2015;13:1-14. doi: 10.1186/s12967-015-0408-1 [DOI:10.1186/s12967-015-0408-1] [PMID] []
30. Miyagi Y, Higashiyama M, Gochi A, Akaike M, Ishikawa T, Miura T, et al. Plasma free amino acid profiling of five types of cancer patients and its application for early detection. PloS one. 2011;6(9):e24143. doi: 10.1371/journal.pone.0024143 [DOI:10.1371/journal.pone.0024143] [PMID] []
31. Okamoto N, Miyagi Y, Chiba A, Akaike M, Shiozawa M, Imaizumi A, et al. Diagnostic modeling with differences in plasma amino acid profiles between non-cachectic colorectal/breast cancer patients and healthy individuals. International Journal of Medical Sciences. 2009;1(1):1-8.
32. Kubota A, Meguid MM, Hitch DC. Amino acid profiles correlate diagnostically with organ site in three kinds of malignant tumors. Cancer. 1992;69(9):2343-8. doi: 10.1002/1097-0142(19920501)69:9<2343: aid-cncr2820690924>3.0.co;2-s
https://doi.org/10.1002/1097-0142(19920501)69:9<2343::AID-CNCR2820690924>3.0.CO;2-S [DOI:10.1002/1097-0142(19920501)69:93.0.CO;2-S] [PMID]
33. Minet-Quinard R, Van Praagh I, Kwiatkowski F, Beaujon G, Feillel V, Beaufrère B, et al. Pre-and postoperative aminoacidemia in breast cancer: a study vs. matched healthy subjects. Cancer investigation. 2004;22(2):203-10. doi: 10.1081/cnv-120030208 [DOI:10.1081/CNV-120030208] [PMID]
34. Proenza AM, Oliver J, Palou A, Roca P. Breast and lung cancer are associated with a decrease in blood cell amino acid content. The Journal of nutritional biochemistry. 2003;14 (3):133-8. doi: 10.1016/s0955-2863(02)00225-5 [DOI:10.1016/S0955-2863(02)00225-5] [PMID]
35. Vissers YL, Dejong CH, Luiking YC, Fearon KC, von Meyenfeldt MF, Deutz NE. Plasma arginine concentrations are reduced in cancer patients: evidence for arginine deficiency? The American journal of clinical nutrition. 2005;81(5):1142-6. doi: 10.1093/ajcn/81.5.1142 [DOI:10.1093/ajcn/81.5.1142] [PMID]
36. Poschke I, Mao Y, Kiessling R, de Boniface J. Tumor-dependent increase of serum amino acid levels in breast cancer patients has diagnostic potential and correlates with molecular tumor subtypes. Journal of translational medicine. 2013;11:1-9. doi: 10.1186/1479-5876-11-290 [DOI:10.1186/1479-5876-11-290] [PMID] []
37. Barnes T, Bell K, DiSebastiano KM, Vance V, Hanning R, Russell C, et al. Plasma amino acid profiles of breast cancer patients early in the trajectory of the disease differ from healthy comparison groups. Applied Physiology, Nutrition, and Metabolism. 2014;39(6):740-4. doi: 10.1139/apnm-2013-0526. [DOI:10.1139/apnm-2013-0526] [PMID]
38. Panigoro SS, Kurniawan A, Ramadhan R, Sukartini N, Herqutanto H, Paramita RI, Sandra F. Amino acid profile of luminal A and B subtypes breast cancer. The Indonesian Biomedical Journal. 2023;15(3):269-76. doi: 10.18585/inabj.v15i3.2109 [DOI:10.18585/inabj.v15i3.2109]
39. di Meo NA, Loizzo D, Pandolfo SD, Autorino R, Ferro M, Porta C, et al. Metabolomic approaches for detection and identification of biomarkers and altered pathways in bladder cancer. International Journal of Molecular Sciences. 2022;23(8):4173. doi: 10.3390/ijms23084173 [DOI:10.3390/ijms23084173] [PMID] []
40. Kelly RS, Vander Heiden MG, Giovannucci E, Mucci LA. Metabolomic biomarkers of prostate cancer: prediction, diagnosis, progression, prognosis, and recurrence. Cancer Epidemiology, Biomarkers & Prevention. 2016;25(6):887-906. doi: 10.1158/1055-9965.EPI-15-1223 [DOI:10.1158/1055-9965.EPI-15-1223] [PMID] []
41. Monteiro MS, Carvalho M, de Lourdes Bastos M, de Pinho PG. Biomarkers in renal cell carcinoma: a metabolomics approach. Metabolomics. 2014;10:1210-22. doi: 10.1007/s11306-014-0659-5 [DOI:10.1007/s11306-014-0659-5]
42. Wei Y, Jasbi P, Shi X, Turner C, Hrovat J, Liu L, et al. Early breast cancer detection using untargeted and targeted metabolomics. Journal of proteome research. 2021;20 (6): 3124-3133. doi: 10.1021/acs.jproteome.1c00019 [DOI:10.1021/acs.jproteome.1c00019] [PMID]
43. Yang L, Wang Y, Cai H, Wang S, Shen Y, Ke C. Application of metabolomics in the diagnosis of breast cancer: a systematic review. Journal of Cancer. 2020;11(9):2540. doi: 10.7150/jca.37604 [DOI:10.7150/jca.37604] [PMID] []
44. Puchades-Carrasco L, Jantus-Lewintre E, Pérez-Rambla C, García-García F, Lucas R, Calabuig S, et al. Serum metabolomic profiling facilitates the non-invasive identification of metabolic biomarkers associated with the onset and progression of non-small cell lung cancer. Oncotarget. 2016;7(11):12904. doi: 10.18632/oncotarget.7354 [DOI:10.18632/oncotarget.7354] [PMID] []
45. Isla Larrain MT, Rabassa ME, Lacunza E, Barbera A, Cretón A, Segal-Eiras A, et al. IDO is highly expressed in breast cancer and breast cancer-derived circulating microvesicles and associated to aggressive types of tumors by in silico analysis. Tumor Biology. 2014;35:6511-9. doi: 10.1007/s13277-014-1859-3 [DOI:10.1007/s13277-014-1859-3] [PMID]
46. Chen J-Y, Li C-F, Kuo C-C, Tsai KK, Hou M-F, Hung W-C. Cancer/stroma interplay via cyclooxygenase-2 and indoleamine 2, 3-dioxygenase promotes breast cancer progression. Breast Cancer Research. 2014;16:1-14. doi: 10.1186/s13058-014-0410-1. [DOI:10.1186/s13058-014-0410-1] [PMID] []
47. Lyon DE, Walter JM, Starkweather AR, Schubert CM, McCain NL. Tryptophan degradation in women with breast cancer: a pilot study. BMC research notes. 2011;4:1-7. doi: 10.1186/1756-0500-4-156 [DOI:10.1186/1756-0500-4-156] [PMID] []
48. Liu T, Liu C, Song M, Wei Y, Song Y, Chen P, et al. The association of serum serine levels with the risk of incident cancer: results from a nested case-control study. Food & Function. 2023;14(17):7969-76. doi: 10.1039/d3fo00808h [DOI:10.1039/D3FO00808H] [PMID]
49. Kim SK, Jung WH, Koo JS. Differential expression of enzymes associated with serine/glycine metabolism in different breast cancer subtypes. PloS one. 2014;9(6):e101004. doi: 10.1371/journal.pone.0101004 [DOI:10.1371/journal.pone.0101004] [PMID] []
50. Sullivan MR, Mattaini KR, Dennstedt EA, Nguyen AA, Sivanand S, Reilly MF, et al. Increased serine synthesis provides an advantage for tumors arising in tissues where serine levels are limiting. Cell metabolism. 2019;29(6):1410-21. e4. doi: 10.1016/j.cmet.2019.02.015 [DOI:10.1016/j.cmet.2019.02.015] [PMID] []
51. Noh S, Kim DH, Jung WH, Koo JS. Expression levels of serine/glycine metabolism-related proteins in triple negative breast cancer tissues. Tumor Biology. 2014;35:4457-68. doi: 10.1007/s13277-013-1588-z [DOI:10.1007/s13277-013-1588-z] [PMID]
52. DeNicola GM, Chen P-H, Mullarky E, Sudderth JA, Hu Z, Wu D, et al. NRF2 regulates serine biosynthesis in non-small cell lung cancer. Nature genetics. 2015;47(12):1475-81. doi: 10.1038/ng.3421. [DOI:10.1038/ng.3421] [PMID] []
ارسال پیام به نویسنده مسئول
| بازنشر اطلاعات | |
 |
این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است. |
