Green Tea Polyphenols as Proteasome Inhibitors: Implication in Chemoprevention
Notice bibliographique
Résumé
Next to water, tea is the most popular beverage in the world. The most abundant and active compound in green tea is (-)-epigallocatechin-3-gallate (EGCG), which is extensively studied for its cancer-preventive and anti-cancer activities as well as its cellular targets. One potential molecular target of EGCG is the proteasome. While molecular docking and structure-activity relationship (SAR) analysis suggests that the ester carbon of EGCG is important for mediating its proteasome-inhibitory activity, EGCG is very unstable under physiological conditions. Therefore, a series of analogs were synthesized aiming to improve stability and bioavailability of EGCG. Among them, peracetate-protected or the prodrug of EGCG was found to have increased bioavailability, stability, and proteasome-inhibitory activities against various human cancer cells and tumors compared to EGCG, suggesting its potential use for cancer prevention and treatment. Epidemiological studies have indicated that green tea consumption is associated with the reduced risk of cancers, especially associated with the reduced risk of late stage of cancers. This risk reduction may be attributed not only to proteasome inhibition, but also to numerous other intracellular molecules targeted by EGCG that are involved in cell cycle regulation, apoptosis, angiogenesis, and metastasis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».