Význam prokatepsinu D v rozvoji nádorových onemocnění – Mgr. Radka Čechová
Mgr. Radka Čechová
Bakalářská práce
Význam prokatepsinu D v rozvoji nádorových onemocnění
The role of procathepsin D in cancer development
Anotace:
Prokatepsin D je lysozomální aspartátová proteáza, která je ve zvýšené míře exprimována a sekretována různými typy nádorů a nádorových buněčných linií. Studie v posledních 10 letech ukázaly, že zvýšená hladina prokatepsinu D ovlivňuje růst, invazivitu a metastazování nádorů. Řada studií rovněž prokázala korelaci mezi expresí prokatepsinu D a prognózou u různých typů nádorových onemocnění. Cílem této …víceAbstract:
Procathepsin D is lysosomal aspartyl protease, which is overexpressed and hypersecreted by many types of human tumors and cancer cell lines. Studies in the last decade have shown that overexpressed procathepsin D influences tumor growth, invasion and metastasis. Several clinical studies have also demonstrated correlation between expression of procathepsin D and prognosis in different types of cancer …více
Jazyk práce: čeština
Datum vytvoření / odevzdání či podání práce: 23. 5. 2007
Identifikátor:
https://is.muni.cz/th/sp6he/
Obhajoba závěrečné práce
- Obhajoba proběhla 25. 6. 2007
- Vedoucí: doc. Mgr. Petr Beneš, Ph.D.
Plný text práce
Obsah online archivu závěrečné práce
Zveřejněno v Theses:- světu
Jak jinak získat přístup k textu
Instituce archivující a zpřístupňující práci: Masarykova univerzita, Přírodovědecká fakultaMasarykova univerzita
Přírodovědecká fakultaBakalářský studijní program / obor:
Biologie / Molekulární biologie a genetika
Práce na příbuzné téma
-
Role of lithocholic acid-induced cell signalling in oesophageal cancer progression model
Ashita Singh -
Evaluation of circulating microRNAs as prognostic tools in pancreatic cancer patients
Natalia Anna Gablo -
Empowering Cancer Patients through Personalized Information: User-Centered Design of an E-Health System
Marko Řeháček -
Prostate Cancer Prediction with Graph Neural Networks
Štěpán Řihák -
Learning to Predict Prostate Cancer Using Slide-level Annotations
Michal Jakubík