From the Bench to the Bedside: How Natural Products Can Find Their Way
Notice bibliographique
Résumé
Secondary metabolites from plants serve as defense against herbivores, microbes, viruses, or competing plants. Many medicinal plants have pharmacological activities and may, thus, be a source for novel treatment strategies. We have systematically analyzed medicinal plants used in traditional Chinese medicine during the past decade and focused our interest on Artemisia annua L. (qinhao, sweet wormwood). We found that the active principle of Artemisia annua L., artemisinin, exerts not only anti-malarial activity but also profound cytotoxicity against tumor cells. The inhibitory activity of artemisinin and its derivatives towards cancer cells is in the nano- to micromolar range. Candidate genes that may contribute to the sensitivity and resistance of tumor cells to artemisinins were identified by pharmacogenomic and molecular pharmacological approaches. Target validation was performed using cell lines transfected with candidate genes or corresponding knockout cells. These genes are from classes with different biological functions; for example, regulation of proliferation (BUB3, cyclins, CDC25A), angiogenesis (vascular endothelial growth factor and its receptor, matrix metalloproteinase-9, angiostatin, thrombospondin-1) or apoptosis (BCL-2, BAX). Artesunate triggers apoptosis both by p53-dependent and -independent pathways. Anti-oxidant stress genes (thioredoxin, catalase, ƒ×-glutamyl-cysteine synthetase, glutathione S-transferases) as well as the epidermal growth factor receptor confer resistance to artesunate. Cell lines over-expressing genes that confer resistance to established anti-tumor drugs (MDR1, MRP1, BCRP, dihydrofolate reductase, ribonucleotide reductase) were not cross-resistant to artesunate, indicating that artesunate is not involved in multidrug resistance. The anticancer activity of artesunate has also been shown in human xenograft tumors in mice. First encouraging experiences were obtained in the clinical treatment of patients suffering from uveal melanoma. A phase I with artesunate in metastasized breast cancer has been launched in 2008. References: [1] Efferth T, et al. (2001) Int J Oncol 18: 767–773. [2] Efferth T, et al. (2002) J Mol Med 80: 233–242. [3] Efferth T, et al. (2002) Biochem Pharmacol 64: 617–623. [4] Efferth T, et al. (2003) Int J Oncol 23: 1231–1235. [5] Efferth T, et al. (2003) Mol Pharmacol 64: 382–394. [6] Efferth T, et al. (2004) Free Rad Biol Med 37: 998–1009. [7] Efferth T, et al. (2004) Biochem Pharmacol 67: 1689–1799. [8] Dell'Eva R, et al. (2004) Biochem Pharmacol 68: 2359–2366. [9] Efferth T, (2005) Drug Res Updates 8: 85–97. [10] Efferth T, (2006) Curr Drug Targets 7: 407–421. [11] Efferth T, (2007) Planta Med 73: 299–309. [12] Kelter G, et al. (2007) PLoS One 2: e798. [13] Efferth T, et al. (2007) Trends Mol Med 13: 353–361. [14] Efferth T, et al. (2007) Curr Med Chem. 14: 2024–2032. [15] Efferth T, et al. (2008) Mol Cancer Ther 7: 152–61. [16] Li PCH, et al (2008) Cancer Res 68: 4347–51.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,002 |
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 ».