Abstract A125: Silencing Stat3 signaling in human cancers: Identifying potent small molecule inhibitors of Stat3 function.
Notice bibliographique
Résumé
Abstract Stat3 is essential for transducing signals from extracellular stimuli, but also functions as a nuclear transcription factor required for regulating genes involved in proliferation, apoptosis, angiogenesis and invasion, in addition to genes encoding cytokines, chemokines and growth factors. In contrast to the transient nature of Stat3 activation in normal cells, many human cancers, including breast, prostate, ovarian, brain and multiple myeloma (MM) harbor constitutive Stat3 activity. Stat3 downstream target genes are critical to the dysregulated biological processes that promote tumor cell growth, survival and induce chemoresistance, thus targeting Stat3 signaling represents an important therapeutic target in cancer therapy. We have rationally designed and developed Stat3 inhibitors that disrupt transcriptionaly active Stat3-Stat3 homo-dimers, suppress Stat3 activation (phosphorylation), inhibit Stat3-target gene expression (c-Myc, Bcl-xL, survivin) and potently induce apoptosis in tumor cells harboring aberrant Stat3 activity. Moreover, lead compound BP-1–102, a salicylic acid containing small molecule, induced strong antitumor effects on human breast cancer (MDA-MB-231) xenografts and in MM preclinical tumor models. Most notably, given via oral gavage, BP-1–102 strongly inhibited the growth of human breast tumor xenografts, identifying it as a most potent orally bioavailable Stat3-targeting inhibitor. Citation Format: {Authors}. {Abstract title} [abstract]. In: Proceedings of the AACR-NCI-EORTC International Conference: Molecular Targets and Cancer Therapeutics; 2011 Nov 12-16; San Francisco, CA. Philadelphia (PA): AACR; Mol Cancer Ther 2011;10(11 Suppl):Abstract nr A125.
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 ».