Inverse FASN and LDHA correlation drives metabolic resistance in breast cancer

Autor: Chiara Papulino, Ugo Chianese, Ahmad Ali, Gregorio Favale, Concetta Tuccillo, Fortunato Ciardiello, Annabella Di Mauro, Chiara Mignogna, Gerardo Ferrara, Alfredo Budillon, Wouter Leonard Megchelenbrink, Nunzio Del Gaudio, Mariarosaria Conte, Fabrizio Merciai, Pietro Campiglia, Lucia Altucci, Vincenzo Carafa, Eduardo Sommella, Rosaria Benedetti

Publikováno v: Journal of Translational Medicine, Vol 22, Iss 1, Pp 1-16 (2024)

Abstract Background Breast cancer manifests as a heterogeneous pathology marked by complex metabolic reprogramming essential to satisfy its energy demands. Oncogenic signals boost the metabolism, modifying fatty acid synthesis and glucose use from th

Externí odkaz: https://doaj.org/article/e1c9da9a03da4c08b5e34b1d243a2230

Euclid preparation. XXV. The Euclid Morphology Challenge -- Towards model-fitting photometry for billions of galaxies

Autor: Euclid Collaboration, Merlin, E., Castellano, M., Bretonnière, H., Huertas-Company, M., Kuchner, U., Tuccillo, D., Buitrago, F., Peterson, J. R., Conselice, C. J., Caro, F., Dimauro, P., Nemani, L., Fontana, A., Kümmel, M., Häußler, B., Hartley, W. G., Ayllon, A. Alvarez, Bertin, E., Dubath, P., Ferrari, F., Ferreira, L., Gavazzi, R., Hernández-Lang, D., Lucatelli, G., Robotham, A. S. G., Schefer, M., Tortora, C., Aghanim, N., Amara, A., Amendola, L., Auricchio, N., Baldi, M., Bender, R., Bodendorf, C., Branchini, E., Brescia, M., Camera, S., Capobianco, V., Carbone, C., Carretero, J., Castander, F. J., Cavuoti, S., Cimatti, A., Cledassou, R., Congedo, G., Conversi, L., Copin, Y., Corcione, L., Courbin, F., Cropper, M., Da Silva, A., Degaudenzi, H., Dinis, J., Douspis, M., Dubath, F., Duncan, C. A. J., Dupac, X., Dusini, S., Farrens, S., Ferriol, S., Frailis, M., Franceschi, E., Franzetti, P., Galeotta, S., Garilli, B., Gillis, B., Giocoli, C., Grazian, A., Grupp, F., Haugan, S. V. H., Hoekstra, H., Holmes, W., Hormuth, F., Hornstrup, A., Hudelot, P., Jahnke, K., Kermiche, S., Kiessling, A., Kitching, T., Kohley, R., Kunz, M., Kurki-Suonio, H., Ligori, S., Lilje, P. B., Lloro, I., Mansutti, O., Marggraf, O., Markovic, K., Marulli, F., Massey, R., McCracken, H. J, Medinaceli, E., Melchior, M., Meneghetti, M., Meylan, G., Moresco, M., Moscardini, L., Munari, E., Niemi, S. M., Padilla, C., Paltani, S., Pasian, F., Pedersen, K., Percival, W. J., Polenta, G., Poncet, M., Popa, L., Pozzetti, L., Raison, F., Rebolo, R., Renzi, A., Rhodes, J., Riccio, G., Romelli, E., Rossetti, E., Saglia, R., Sapone, D., Sartoris, B., Schneider, P., Secroun, A., Seidel, G., Sirignano, C., Sirri, G., Skottfelt, J., Starck, J. -L., Tallada-Crespí, P., Taylor, A. N., Tereno, I., Toledo-Moreo, R., Tutusaus, I., Valenziano, L., Vassallo, T., Wang, Y., Weller, J., Zacchei, A., Zamorani, G., Zoubian, J., Andreon, S., Bardelli, S., Boucaud, A., Colodro-Conde, C., Di Ferdinando, D., Graciá-Carpio, J., Lindholm, V., Mauri, N., Mei, S., Neissner, C., Scottez, V., Tramacere, A., Zucca, E., Baccigalupi, C., Balaguera-Antolínez, A., Ballardini, M., Bernardeau, F., Biviano, A., Borgani, S., Borlaff, A. S., Burigana, C., Cabanac, R., Cappi, A., Carvalho, C. S., Casas, S., Castignani, G., Cooray, A. R., Coupon, J., Courtois, H. M., Cucciati, O., Davini, S., De Lucia, G., Desprez, G., Escartin, J. A., Escoffier, S., Farina, M., Ganga, K., Garcia-Bellido, J., George, K., Gozaliasl, G., Hildebrandt, H., Hook, I., Ilbert, O., Ilic, S., Joachimi, B., Kansal, V., Keihanen, E., Kirkpatrick, C. C., Loureiro, A., Macias-Perez, J., Magliocchetti, M., Mainetti, G., Maoli, R., Marcin, S., Martinelli, M., Martinet, N., Matthew, S., Maturi, M., Metcalf, R. B., Monaco, P., Morgante, G., Nadathur, S., Nucita, A. A., Patrizii, L., Popa, V., Porciani, C., Potter, D., Pourtsidou, A., Pöntinen, M., Reimberg, P., Sánchez, A. G., Sakr, Z., Schirmer, M., Sereno, M., Stadel, J., Teyssier, R., Valieri, C., Valiviita, J., van Mierlo, S. E., Veropalumbo, A., Viel, M., Weaver, J. R., Scott, D.

Publikováno v: A&A 671, A101 (2023)

The ESA Euclid mission will provide high-quality imaging for about 1.5 billion galaxies. A software pipeline to automatically process and analyse such a huge amount of data in real time is being developed by the Science Ground Segment of the Euclid C

Externí odkaz: http://arxiv.org/abs/2209.12906

ITGB1 and DDR activation as novel mediators in acquired resistance to osimertinib and MEK inhibitors in EGFR-mutant NSCLC

Autor: Caterina De Rosa, Viviana De Rosa, Concetta Tuccillo, Virginia Tirino, Luisa Amato, Federica Papaccio, Davide Ciardiello, Stefania Napolitano, Giulia Martini, Fortunato Ciardiello, Floriana Morgillo, Francesca Iommelli, Carminia Maria Della Corte

Publikováno v: Scientific Reports, Vol 14, Iss 1, Pp 1-13 (2024)

Abstract Osimertinib is a third-generation tyrosine kinase inhibitor clinically approved for first-line treatment of EGFR-mutant non-small cell lung cancer (NSCLC) patients. Although an impressive drug response is initially observed, in most of tumor

Externí odkaz: https://doaj.org/article/7d656ea1f95540b390fad3f80f70a223

Jellyfish as sustainable food source: A cross-cultural study among Latin American countries

Autor: Torri, Luisa, Tuccillo, Fabio, Alejandro Puente-Tapia, Francisco, Carrara Morandini, André, Segovia, Johanna, Nevarez-López, Cinthya A., Leoni, Valentina, Failla-Siquier, Gabriela, Canepa-Oneto, Antonio, Quiñones, Javier, Cedeño-Posso, Cristina, Laaz, Enrique, Preciado, Mercy, Schiariti, Agustín

Publikováno v: In Food Quality and Preference August 2024 117

Euclid preparation: XIII. Forecasts for galaxy morphology with the Euclid Survey using Deep Generative Models

Autor: Euclid Collaboration, Bretonnière, H., Huertas-Company, M., Boucaud, A., Lanusse, F., Jullo, E., Merlin, E., Tuccillo, D., Castellano, M., Brinchmann, J., Conselice, C. J., Dole, H., Cabanac, R., Courtois, H. M., Castander, F. J., Duc, P. A., Fosalba, P., Guinet, D., Kruk, S., Kuchner, U., Serrano, S., Soubrie, E., Tramacere, A., Wang, L., Amara, A., Auricchio, N., Bender, R., Bodendorf, C., Bonino, D., Branchini, E., Capobianco, V., Carbone, C., Carretero, J., Cavuoti, S., Cimatti, A., Cledassou, R., Corcione, L., Costille, A., Degaudenzi, H., Douspis, M., Dubath, F., Dusini, S., Ferriol, S., Frailis, M., Franceschi, E., Fumana, M., Garilli, B., Giocoli, C., Grazian, A., Grupp, F., Haugan, S. V. H., Holmes, W., Hormuth, F., Hudelot, P., Jahnke, K., Kiessling, A., Kilbinger, M., Kitching, T., Kümmel, M., Kunz, M., Kurki-Suonio, H., Ligori, S., Lilje, P. B., Lloro, I., Maiorano, E., Mansutti, O., Marggraf, O., Markovic, K., Massey, R., Melchior, M., Meneghetti, M., Meylan, G., Moscardini, L., Niemi, S. M., Padilla, C., Paltani, S., Pasian, F., Pedersen, K., Pettorino, V., Pires, S., Poncet, M., Popa, L., Pozzetti, L., Raison, F., Rebolo, R., Rhodes, J., Roncarelli, M., Rossetti, E., Saglia, R., Schneider, P., Secroun, A., Seidel, G., Sirignano, C., Sirri, G., Starck, J. -L., Taylor, A. N., Tereno, I., Toledo-Moreo, R., Valentijn, E. A., Valenziano, L., Wang, Y., Weller, J., Zamorani, G., Zoubian, J., Baldi, M., Bardelli, S., Brau-Nogue, S., Brescia, M., Camera, S., Congedo, G., Conversi, L., Copin, Y., Duncan, C . A. J., Dupac, X., Farinelli, R., Gillis, B., Kermiche, S., Kohley, R., Marulli, F., Medinaceli, E., Mei, S., Moresco, M., Morin, B., Munari, E., Polenta, G., Romelli, E., Tallada-Crespí, P., Tenti, M., Torradeflot, F., Vassallo, T., Welikala, N., Zacchei, A., Zucca, E., Baccigalupi, C., Balaguera-Antolínez, A., Biviano, A., Borgani, S., Bozzo, E., Burigana, C., Cappi, A., Carvalho, C. S., Casas, S., Castignani, G., Colodro-Conde, C., Coupon, J., Da Silva, A., de la Torre, S., Fabricius, M., Farina, M., Farrens, S., Ferreira, P. G., Flose-Reimberg, P., Fotopoulou, S., Galeotta, S., Ganga, K., Garcia-Bellido, J., Gaztanaga, E., Gillard, W., Gozaliasl, G., Hook, I. M., Joachimi, B., Kansal, V., Kashlinsky, A., Keihanen, E., Kirkpatrick, C. C., Lindholm, V., Mainetti, G., Maino, D., Maoli, R., Martinelli, M., Martinet, N., Maurogordato, S., McCracken, H. J., Metcalf, R. B., Morgante, G., Morisset, N., Nakajima, R., Nightingale, J., Nucita, A., Patrizii, L., Potter, D., Renzi, A., Riccio, G., Sánchez, A. G., Sapone, D., Schirmer, M., Schultheis, M., Scottez, V., Sefusatti, E., Stanco, L., Teyssier, R., Tutusaus, I., Valiviita, J., Viel, M., Whittaker, L., Knapen, J. H

We present a machine learning framework to simulate realistic galaxies for the Euclid Survey. The proposed method combines a control on galaxy shape parameters offered by analytic models with realistic surface brightness distributions learned from re

Externí odkaz: http://arxiv.org/abs/2105.12149