Targeting Cell Cycle Proteins in Breast Cancer Cells with siRNA by Using Lipid-Substituted Polyethylenimines
Notice bibliographique
Résumé
The cell cycle proteins are key regulators of cell cycle progression whose deregulation is one of the causes of breast cancer. RNA interference (RNAi) is an endogenous mechanism to regulate gene expression and it could serve as the basis of regulating aberrant proteins including cell cycle proteins. Since the delivery of small interfering RNA (siRNA) is a main barrier for implementation of RNAi therapy, we explored the potential of a non-viral delivery system, 2.0 kDa polyethylenimines substituted with linoleic acid and caprylic acid, for this purpose. Using a library of siRNAs against cell cycle proteins, we identified cell division cycle protein 20 (CDC20), a recombinase RAD51, and serine-threonine protein kinase CHEK1 as effective targets for breast cancer therapy, and demonstrated their therapeutic potential in breast cancer MDA-MB-435, MDA-MB-231, and MCF7 cells with respect to another well-studied cell cycle protein, kinesin spindle protein. We also explored the efficacy of dicer-substrate siRNA (DsiRNA) against CDC20, RAD51, and CHEK1, where a particular DsiRNA against CDC20 showed an exceptionally high inhibition of cell growth in vitro. There was no apparent effect of silencing selected cell cycle proteins on the potency of the chemotherapy drug doxorubicin. The efficacy of DsiRNA against CDC20 was subsequently assessed in a xenograft model, which indicated a reduced tumor growth as a result of CDC20 DsiRNA therapy. The presented study highlighted specific cell cycle protein targets critical for breast cancer therapy, and provided a polymeric delivery system for their effective down-regulation.
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 ».