Effects of chemical manipulation of mitotic arrest and slippage on cancer cell survival and proliferation
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
Microtubule-targeting cancer therapies interfere with mitotic spindle dynamics and block cells in mitosis by activating the mitotic checkpoint. Cells arrested in mitosis may remain arrested for extended periods of time or undergo mitotic slippage and enter interphase without having separated their chromosomes. How extended mitotic arrest and mitotic slippage contribute to subsequent cell death or survival is incompletely understood. To address this question, automated fluorescence microscopy assays were designed and used to screen chemical libraries for modulators of mitotic slippage. Chlorpromazine and triflupromazine were identified as drugs that inhibit mitotic slippage and SU6656 and geraldol as chemicals that stimulate mitotic slippage. Using the drugs to extend mitotic arrest imposed by low concentrations of paclitaxel led to increased cell survival and proliferation after drug removal. Cells arrested at mitosis with paclitaxel or vinblastine and chemically induced to undergo mitotic slippage underwent several rounds of DNA replication without cell division and exhibited signs of senescence but eventually all died. By contrast, cells arrested at mitosis with the KSP/Eg5 inhibitor S-trityl-L-cysteine and induced to undergo mitotic slippage were able to successfully divide and continued to proliferate after drug removal. These results show that reinforcing mitotic arrest with drugs that inhibit mitotic slippage can lead to increased cell survival and proliferation, while inducing mitotic slippage in cells treated with microtubule-targeting drugs seems to lead to protracted cell death.
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 | 0,000 | 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 découle