Naringenin and 17β‐estradiol coadministration prevents hormone‐induced human cancer cell growth
Notice bibliographique
Résumé
Flavonoids have been described as health-promoting, disease-preventing dietary components. In vivo and in vitro experiments also support a protective effect of flavonoids to reduce the incidence of certain hormone-responsive cancers. In particular, our previous results indicate that the flavanone naringenin (Nar), decoupling estrogen receptor alpha (ERalpha) action mechanisms, drives cancer cells to apoptosis. Because these studies were conducted in the absence of the endogenous hormone 17beta-estradiol (E2), the physiological relevance of these findings is not clear. We investigate whether the antiproliferative Nar effect persists in the presence of physiological E2 concentration (i.e. 10 nM), using both ERalpha-transfected (HeLa cells) and ERalpha-containing (HepG2 cells) cancer cell lines. Ligand saturation experiments indicate that Nar decreases the binding of E2 to ERalpha without impairing the estrogen response element (ERE)-driven reporter plasmid activity. In contrast, Nar stimulation prevents E2-induced extracellular regulated kinases (ERK1/2) and AKT activation and still induces the activation of p38, the proapoptotic member of mitogen-activating protein kinase (MAPK) family. As a consequence, Nar stimulation impedes the E2-induced transcription of cyclin D1 promoter and reverts the E2-induced cell proliferation, driving cancer cell to apoptosis. Thus, these results suggest that coexposure to this low-affinity, low-potency ligand for ERalpha specifically antagonizes the E2-induced ERalpha-dependent rapid signals by reducing the effect of the endogenous hormone in promoting cellular proliferation. As a whole, these data indicate that Nar is an excellent candidate as a chemopreventive agent in E2-dependent cancers.
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 ».