Molecular characterization of cancer reveals interactions between ionizing radiation and chemicals on rat mammary carcinogenesis
Notice bibliographique
Résumé
Although various mechanisms have been inferred for combinatorial actions of multiple carcinogens, these mechanisms have not been well demonstrated in experimental carcinogenesis models. We evaluated mammary carcinogenesis initiated by combined exposure to various doses of radiation and chemical carcinogens. Female rats at 7 weeks of age were γ-irradiated (0.2-2 Gy) and/or exposed to 1-methyl-1-nitrosourea (MNU) (20 or 40 mg/kg, single intraperitoneal injection) or 2-amino-1-methyl-6-phenylimidazo[4,5-b]pyridine (PhIP) (40 mg/kg/day by gavage for 10 days) and were observed until 50 weeks of age. The incidence of mammary carcinoma increased steadily as a function of radiation dose in the absence of chemicals; mathematical analysis supported an additive increase when radiation was combined with a chemical carcinogen, irrespective of the chemical species and its dose. Hras mutations were characteristic of carcinomas that developed after chemical carcinogen treatments and were overrepresented in carcinomas induced by the combination of radiation and MNU (but not PhIP), indicating an interaction of radiation and MNU at the level of initiation. The expression profiles of seven classifier genes, previously shown to distinguish two classes of rat mammary carcinomas, categorized almost all examined carcinomas that developed after individual or combined treatments with radiation (1 Gy) and chemicals as belonging to a single class; more comprehensive screening using microarrays and a separate test sample set failed to identify differences in gene expression profiles among these carcinomas. These results suggest that a complex, multilevel interaction underlies the combinatorial action of radiation and chemical carcinogens in the experimental model.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».