α-linolenic acid and docosahexaenoic acid, alone and combined with trastuzumab, reduce HER2-overexpressing breast cancer cell growth but differentially regulate HER2 signaling pathways
Notice bibliographique
Résumé
BACKGROUND: Diets rich in the n-3 fatty acid alpha-linolenic acid (ALA) have been shown to reduce breast tumor growth, enhance the effectiveness of the HER2-targeted drug trastuzumab (TRAS) and reduce HER2 signaling in mouse models. It is unclear whether this is due to direct effects of ALA or due to its long-chain n-3 fatty acids metabolites including docosahexaenoic acid (DHA). METHODS: The ability of HER2-overexpressing BT-474 human breast cancer cells to convert ALA to long-chain n-3 fatty acids was determined by measurement of phospholipid fatty acids by gas chromatography following treatment with 100 μM ALA. The effects of 96 h treatment with ALA or DHA, at serum levels seen in mice (50-100 μM), alone and combined with TRAS (10 μg/ml), on BT-474 cell growth measured by trypan blue exclusion, apoptosis measured by flow cytometric analysis of Annexin-V/7-AAD stained cells (ALA and TRAS treatment only) and protein biomarkers HER2 signaling measured by western blot were determined. RESULTS: ALA-treated BT-474 cells had higher phospholipid ALA but no increase in downstream n-3 metabolites including DHA. Both ALA and DHA reduced cell growth with and without TRAS. ALA had no effect on apoptosis. ALA and DHA showed opposite effects on Akt and MAPK phosphorylation; ALA increased and DHA decreased phosphorylation. CONCLUSIONS: Together these data suggest that, while both ALA and its DHA metabolite can reduce HER2-overexpressing breast cancer growth with and without TRAS, they demonstrate for the first time that DHA is responsible for the effects of ALA-rich diets on HER2 signaling pathways.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».