Multiple Phytoestrogens Inhibit Cell Growth and Confer Cytoprotection By Inducing Manganese Superoxide Dismutase Expression
Notice bibliographique
Résumé
Phytoestrogens are of interest because of their reported beneficial effects on many human maladies including cancer, neurodegeneration, cardiovascular disease and diabetes. As data on phytoestrogens continues to accumulate, it is clear that there is significant overlap in the cellular effects elicited by these various compounds. Here, we show that one mechanism by which a number of phytoestrogens achieve their growth inhibitory and cytoprotective effects is via induction of the mitochondrial manganese superoxide dismutase (MnSOD). Eight phytoestrogens, including resveratrol, coumestrol, kaempferol, genistein, daidzein, apigenin, isoliquirtigenin and glycitin, were tested for their ability to induce MnSOD expression in mouse C2C12 and primary myoblasts. Five of these, resveratrol, coumestrol, kaempferol, genistein and daidzein, significantly increased MnSOD expression, slowed proliferative growth and enhanced stress resistance (hydrogen peroxide LD50) . When siRNA was used to prevent the MnSOD induction by genistein, coumestrol or daidzein, none of these compounds exerted any effect on proliferative growth, and only the effect of coumestrol on stress resistance persisted. The estrogen antagonist ICI182780 prevented the increased MnSOD expression and also the changes in cell growth and stress resistance, indicating that these effects are mediated by estrogen receptors (ER). The absence of effects of resveratrol or coumestrol, but not genistein, in ERβ-null cells further indicated that this ER in particular is important in mediating these effects. Thus, an ER-mediated induction of MnSOD expression appears to underlie the growth inhibitory and cytoprotective activities of multiple phytoestrogens.
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 | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».