Differential Inhibition of Protein Translation Machinery by Curcumin in Normal, Immortalized, and Malignant Oral Epithelial Cells
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
Curcumin has shown some promise in the prevention of oral carcinogenesis by mechanism(s) that are still not completely resolved. Messenger RNA translation is mediated in eukaryotes by the eIF4F complex composed of eukaryotic translation initiation factors eIF4E, eIF4G, and eIF4A. Overexpression of some of these components or the inactivation of initiation repressor proteins (4E-BP1) has been implicated in cancer development including oral carcinogenesis by affecting cell survival, angiogenesis, and tumor growth and invasion. In this study, we examined the possibility that curcumin affects the translational machinery differently in normal, immortalized normal, leukoplakia, and malignant cells. Curcumin treatment in vitro inhibited the growth of immortalized oral mucosa epithelial cells (NOM9-CT) and the leukoplakia cells (MSK-Leuk1s) as well as in the UMSCC22B and SCC4 cells derived from head and neck squamous cell carcinoma. Curcumin only exerted minor effects on the growth of normal oral epithelial cells (NOM9). In the immortalized, leukoplakia, and cancer cells, curcumin inhibited cap-dependent translation by suppressing the phosphorylation of 4E-BP1, eIF4G, eIF4B, and Mnk1, and also reduced the total levels of eIF4E and Mnk1. Our findings show that immortalized normal, leukoplakia, and malignant oral cells are more sensitive to curcumin and show greater modulation of protein translation machinery than the normal oral cells, indicating that targeting this process may be an important approach to chemoprevention in general and for curcumin in particular.
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) | 0,000 | 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