NMR Metabolomics Analysis of the Effects of 5-Lipoxygenase Inhibitors on Metabolism in Glioblastomas
Notice bibliographique
Résumé
Changes across metabolic networks are emerging as an integral part of cancer development and progression. Increasing comprehension of the importance of metabolic processes as well as metabolites in cancer is stimulating exploration of novel, targeted treatment options. Arachidonic acid (AA) is a major component of phospholipids. Through the cascade catalyzed by cyclooxygenases and lipoxygenases, AA is also a precursor to cellular signaling molecules as well as molecules associated with a variety of diseases including cancer. 5-Lipoxygenase catalyzes the transformation of AA into leukotrienes (LT), important mediators of inflammation. High-throughput analysis of metabolic profiles was used to investigate the response of glioblastoma cell lines to treatment with 5-lipoxygenase inhibitors. Metabolic profiling of cells following drug treatment provides valuable information about the response and metabolic alterations induced by the drug action and give an indication of both on-target and off-target effects of drugs. Four different 5-lipoxygenase inhibitors and antioxidants were tested including zileuton, caffeic acid, and its analogues caffeic acid phenethyl ester and caffeic acid cyclohexethyl ester. A NMR approach identified metabolic signatures resulting from application of these compounds to glioblastoma cell lines, and metabolic data were used to develop a better understanding of the mode of action of these inhibitors.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| 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 ».