MétaCan
Menu
Retour à la cohorte
Enregistrement W2056707375 · doi:10.1371/journal.pone.0079222

Kinetics of MDR Transport in Tumor-Initiating Cells

2013· article· en· W2056707375 sur OpenAlexafffund
Vasilij Koshkin, Burton B. Yang, Sergey N. Krylov

Notice bibliographique

RevuePLoS ONE · 2013
Typearticle
Langueen
DomaineMedicine
ThématiqueDrug Transport and Resistance Mechanisms
Établissements canadiensHealth Sciences CentreSunnybrook Health Science CentreYork University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésKineticsChemistryCancer researchCell biologyBiologyPhysics

Résumé

récupéré en direct d'OpenAlex

Multidrug resistance (MDR) driven by ABC (ATP binding cassette) membrane transporters is one of the major causes of treatment failure in human malignancy. MDR capacity is thought to be unevenly distributed among tumor cells, with higher capacity residing in tumor-initiating cells (TIC) (though opposite finding are occasionally reported). Functional evidence for enhanced MDR of TICs was previously provided using a "side population" assay. This assay estimates MDR capacity by a single parameter - cell's ability to retain fluorescent MDR substrate, so that cells with high MDR capacity ("side population") demonstrate low substrate retention. In the present work MDR in TICs was investigated in greater detail using a kinetic approach, which monitors MDR efflux from single cells. Analysis of kinetic traces obtained allowed for the estimation of both the velocity (V max) and affinity (K M) of MDR transport in single cells. In this way it was shown that activation of MDR in TICs occurs in two ways: through the increase of V max in one fraction of cells, and through decrease of K M in another fraction. In addition, kinetic data showed that heterogeneity of MDR parameters in TICs significantly exceeds that of bulk cells. Potential consequences of these findings for chemotherapy are discussed.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,029
Tête enseignante GPT0,209
Écart entre enseignants0,180 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations12
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuePLoS ONEMême sujetDrug Transport and Resistance MechanismsTravaux en français237 207