ELR-CXC chemokine antagonism and cisplatin co-treatment additively reduce H22 hepatoma tumor progression and ameliorate cisplatin-induced nephrotoxicity
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cisplatin (cis-diamminedichloroplatinum) is one of the most commonly used agents for the chemotherapy of various types of cancers, but its use is limited by its dose-dependent side-effects (e.g., nephrotoxicity). The ELR-CXC chemokines are potent tumor growth, metastatic and angiogenic factors and can foster tumor resistance to chemotherapeutic agents. They are also potent proinflammatory agents. The aim of the present study was to evaluate the added effects of combining cisplatin chemotherapy with ELR-CXC chemokine antagonism in a mouse H22 hepatoma cancer cell model. The mice were injected with tumor cells and were then treated with cisplatin (12.5 or 2 mg/kg doses), either alone or together with the chemokine antagonist CXCL8(3-72)K11R/G31P (G31P) (50 µg/kg). At varying time-points renal function was examined using blood urea nitrogen (BUN) and serum creatinine (SCr) as read-outs for the toxic effects of cisplatin, while tumor growth and metastasis were assessed as endpoints. High-dose cisplatin therapy reduced the tumor burden by 52%, while co-delivery of G31P further augmented the tumor growth-suppressive effects of this dose of cisplatin to 71%; G31P by itself and low-dose cisplatin reduced the tumor burden by 19 and 39%, respectively. G31P also reduced the nephrotoxic effects of high-dose cisplatin to the effects observed in the low-dose cisplatin-treated animals. These data confirm the beneficial effects of combined cisplatin chemotherapy and ELR-CXC chemokine anatagonism in the context of both tumor progression and adverse side-effects.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découle