The Key to Unlocking the Chemotherapeutic Potential of PPAR<i>γ</i>Ligands: Having the Right Combination
Notice bibliographique
Résumé
Despite extensive preclinical evidence that peroxisome proliferator-activated receptor (PPAR)γ activation protects against tumourigenesis, results from a few clinical trials using PPARγ ligands as monotherapy show modest success. In spite of this, several groups reported exciting results with therapeutic regimens that combine PPARγ ligands with other compounds: chemotherapeutic agents, retinoid x receptor (RXR)α agonists, statins, or cell-to-cell signaling molecules in preclinical cancer models and human trials. Here we have compiled an extensive review, consolidating the existing literature, which overwhelmingly supports a beneficial effect of treating with PPARγ ligands in combination with existing chemotherapies versus their monotherapy in cancer. There are many examples in which combination therapy resulted in synergistic/additive effects on apoptosis, differentiation, and the ability to reduce cell growth and tumour burden. There are also studies that indicate that PPARγ ligand pretreatment overcomes resistance and reduces toxicities. Several mechanisms are explored to explain these protective effects. This paper highlights each of these studies that, collectively, make a very strong case for the use of PPARγ ligands in combination with other agents in the treatment and management of several cancers.
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 | 0,003 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».