MétaCan
Menu
Retour à la cohorte
Enregistrement W2022589074 · doi:10.4161/cbt.25935

Novel antioxidants are not toxic to normal tissues but effectively kill cancer cells

2013· article· en· W2022589074 sur OpenAlexafffund
Anna Kovalchuk, Felix Aladedunye, Rocio Rodriguez‐Juarez, Dongping Li, James Thomas, Olga Kovalchuk, Roman Przybylski

Notice bibliographique

RevueCancer Biology & Therapy · 2013
Typearticle
Langueen
DomaineChemistry
ThématiqueFree Radicals and Antioxidants
Établissements canadiensUniversity of Lethbridge
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta Cancer Foundation
Mots-clésCancerCancer cellCancer researchGeneAntioxidantGene expressionBreast cancerBiologyChemistryPharmacologyBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

Free radicals are formed as a result of cellular processes and play a key role in predisposition to and development of numerous diseases and of premature aging. Recently, we reported the syntheses of a number of novel phenolic antioxidants for possible application in food industry. In the present study, analyses of the cellular processes and molecular gene expression effects of some of the novel antioxidants in normal human tissues and in cancer cells were undertaken. Results indicated that whereas the examined antioxidants showed no effects on morphology and gene expression of normal human oral and gingival epithelial tissues, they exerted a profound cell killing effect on breast cancer cells, including on chemotherapy-resistant breast cancer cells and on oral squamous carcinoma cells. Among the tested antioxidants, N-decyl-N-(3-methoxy-4-hydroxybenzyl)-3-(3,4-dihydroxyphenyl) propanamide and N-decyl-N-(3,5-dimethoxy-4-hydroxybenzyl)-3-(3,4-dihydroxyphenyl) propanamide were the most promising, with excellent potential for cancer treatment. Moreover, our gene expression databases can be used as a roadmap for future analysis of mechanisms of antioxidant action.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0060,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,288
Écart entre enseignants0,265 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCancer Biology & TherapyMême sujetFree Radicals and AntioxidantsTravaux en français237 207