Molecular characterisation of isogenic taxane resistant cell lines identify novel drivers of drug resistance
Notice bibliographique
Résumé
BACKGROUND: Taxanes such as paclitaxel and docetaxel are used successfully to treat breast cancer, usually in combination with other agents. They interfere with microtubules causing cell cycle arrest; however, the mechanisms underlying the clinical effects of taxanes are yet to be fully elucidated. METHODS: Isogenic paclitaxel resistant (PACR) MDA‒MB‒231, paclitaxel resistant ZR75‒1 and docetaxel resistant (DOCR) ZR75‒1 cell lines were generated by incrementally increasing taxane dose in native cell lines in vitro. We used aCGH analysis to identify mechanisms driving taxane resistance. RESULTS: Taxane resistant cell lines exhibited an 18-170 fold increased resistance to taxanes, with the ZR75-1 resistant cell lines also demonstrating cross resistance to anthracyclines. Paclitaxel treatment of native cells resulted in a G2/M block and a decrease in the G1 phase of the cell cycle. However, in the resistant cell lines, minimal changes were present. Functional network analysis revealed that the mitotic prometaphase was lost in the resistant cell lines. CONCLUSION: This study established a model system for examining taxane resistance and demonstrated that both MDR and mitosis represent common mechanism of taxane resistance.
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 ».