RNA Silencing of Checkpoint Regulators Sensitizes <i>p53</i> -Defective Prostate Cancer Cells to Chemotherapy while Sparing Normal Cells
Notice bibliographique
Résumé
p53 is frequently mutated in patients with prostate cancer, especially in those with advanced disease. Therefore, the selective elimination of p53 mutant cells will likely have an impact in the treatment of prostate cancer. Because p53 has important roles in cell cycle checkpoints, it has been anticipated that modulation of checkpoint pathways should sensitize p53-defective cells to chemotherapy while sparing normal cells. To test this idea, we knocked down ataxia telangiectasia mutated (ATM) gene by RNA interference in prostate cancer cell lines and in normal human diploid fibroblasts IMR90. ATM knockdown in p53-defective PC3 prostate cancer cells accelerated their cell cycle transition, increased both E2F activity and proliferating cell nuclear antigen expression, and compromised cell cycle checkpoints, which are normally induced by DNA damage. Consequently, PC3 cells were sensitized to the killing effects of the DNA-damaging drug doxorubicin. Combining ATM knockdown with the Chk1 inhibitor UCN-01 further increased doxorubicin sensitivity in these cells. In contrast, the same strategy did not sensitize either IMR90 or LNCaP prostate cancer cells, both of which have normal p53. However, IMR90 and LNCaP cells became more sensitive to doxorubicin or doxorubicin plus UCN-01 when both p53 and ATM functions were suppressed. In addition, knockdown of the G(2) checkpoint regulators ATR and Chk1 also sensitized PC3 cells to doxorubicin and increased the expression of the E2F target gene PCNA. Together, our data support the concept of selective elimination of p53 mutant cells by combining DNA damage with checkpoint inhibitors and suggest a novel mechanistic insight into how such treatment may selectively kill tumor 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».