Knockdown of Ki-67 by Dicer-Substrate Small Interfering RNA Sensitizes Bladder Cancer Cells to Curcumin-Induced Tumor Inhibition
Notice bibliographique
Résumé
Transitional cell carcinoma (TCC) of the urinary bladder is the most common cancer of the urinary tract. Most of the TCC cases are of the superficial type and are treated with transurethral resection (TUR). However, the recurrence rate is high and the current treatments have the drawback of inducing strong systemic toxicity or cause painful cystitis. Therefore, it would be of therapeutic value to develop novel concepts and identify novel drugs for the treatment of bladder cancer. Ki-67 is a large nucleolar phosphoprotein whose expression is tightly linked to cell proliferation, and curcumin, a phytochemical derived from the rhizome Curcuma longa, has been shown to possess powerful anticancer properties. In this study, we evaluated the combined efficacy of curcumin and a siRNA against Ki-67 mRNA (Ki-67-7) in rat (AY-27) and human (T-24) bladder cancer cells. The anticancer effects were assessed by the determination of cell viability, apoptosis and cell cycle analysis. Ki-67-7 (10 nM) and curcumin (10 µM), when treated independently, were moderately effective. However, in their combined presence, proliferation of bladder cancer cells was profoundly (>85%) inhibited; the rate of apoptosis in the combined presence of curcumin and Ki-67-7 (36%) was greater than that due to Ki-67-7 (14%) or curcumin (13%) alone. A similar synergy between curcumin and Ki-67-7 in inducing cell cycle arrest was also observed. Western blot analysis suggested that pretreatment with Ki-67-7 sensitized bladder cancer cells to curcumin-mediated apoptosis and cell cycle arrest by p53- and p21-independent mechanisms. These data suggest that a combination of anti-Ki-67 siRNA and curcumin could be a viable treatment against the proliferation of bladder cancer cells.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».