Differentiation of rhabdomyosarcoma cell lines using retinoic acid
Notice bibliographique
Résumé
BACKGROUND: Rhabdomyosarcoma (RMS) is the most frequent sporadic soft tissue sarcoma of childhood and adolescence. The overall 5-year survival rate for patients with RMS is 70% with the use of surgery, radiation, and chemotherapy. Novel therapeutic approaches are necessary to improve on these outcomes particularly among the more aggressive alveolar RMS (ARMS) and late stages of disease, where 5-year survival is less than 20%. Retinoids have been successfully used in the treatment of acute promyelocytic leukemia (APML) and neuroblastoma. PURPOSE: However, analysis of retinoids as a differentiating agent for RMS has been incomplete. This work examined the ability of retinoic acid (RA) to promote differentiation of RMS cell lines by examining the expression of myogenic proteins in five RMS cell lines in response to All-trans Retinoic Acid (ATRA) or 9-cis retinoic acid (CRA). RESULTS: Analysis of growth curves indicates that both retinoids suppress cell growth of Rh4 and Rh28. RD cells only responded to-CRA whereas Rh30 and Rh18 did not respond. Following treatment with ATRA FACS analysis showed an altered cell cycle with the same pattern as the growth curves. ATRA altered cellular morphology of two cell lines, Rh4 and Rh28, and induced Troponin T expression in these cells suggesting a differentiating effect. CONCLUSIONS: These studies suggest that retinoids are effective inducers of growth arrest and differentiation in some RMS cell lines, and offer a basis for further in vivo testing in mice of ATRA as a potential approach to ARMS treatment.
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 ».