Telomerase inhibition enhances the response to anticancer drug treatment in human breast cancer cells
Notice bibliographique
Résumé
Breast cancer is the most common malignancy among women. Current therapies for breast tumors are based on the use of chemotherapeutic drugs that are quite toxic for the patients and often result in resistance. Telomerase is up-regulated in 95% of breast carcinomas but not in adjacent normal tissues. Therefore, it represents a very promising target for anticancer therapies. Unfortunately, the antiproliferative effects of telomerase inhibition require extensive telomere shortening before they are fully present. Combining telomerase inhibition with common chemotherapeutic drugs can be used to reduce this lag phase and induce tumor cell death more effectively. Few studies have analyzed the effects of telomerase inhibition in combination with anticancer drugs in breast cancer cells. In this study, we inhibited telomerase activity in two breast cancer cell lines using a dominant-negative human telomerase reverse transcriptase and analyzed cell viability after treatment with different anticancer compounds. We found that dominant-negative human telomerase reverse transcriptase efficiently inhibits telomerase activity and causes telomere shortening over time. Moreover, cells in which telomerase was suppressed were more sensitive to anticancer agents independently of their mechanism of action and this sensitization was dependent on the presence of shorter telomeres. Altogether, our data show that blocking telomere length maintenance in combination with anticancer drugs can be used as an effective way to induce death of breast cancer cells.
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 | 0,001 |
| 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 ».