Recent attempts at RNAi‐mediated P‐glycoprotein downregulation for reversal of multidrug resistance in cancer
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
Multidrug resistance (MDR) is among the major mechanisms leading to failure in chemotherapy of cancer patients. The ATP-binding cassette proteins are major contributors to MDR, involved in the active efflux of xenobiotics out of cancer cells. Among them, P-glycoprotein (P-gp) is the most dominant protein involved in the efflux of drugs. For more than 30 years, scientists have searched for the ideal P-gp inhibitor to modulate drug resistance activity of P-gp. This inhibitor should be tissue and cell specific with side effects on other tissues, must not provoke immune responses from the host, should provide sustained inhibition, and must be synthesized readily with low cost. Chemical P-gp inhibitors tested to date, have shown nonspecific toxic effects limiting their clinical applications. Sequence-specific P-gp gene silencing by RNA interference (RNAi) may provide a more effective approach for downregulation of specific protein targets due to high specificity, limited toxicity and immunogenicity, and relative ease in synthesis. RNAi can be implemented by delivery of synthetic small interfering RNAs (siRNAs) or by gene expression of short hairpin RNAs using gene expressing vectors. Specific delivery systems and expression vectors have been designed for this purpose and many researchers have explored their effectiveness for P-gp downregulation. In this report, we review the efficiency of various methods for siRNA delivery and transfection for P-gp downregulation in cancer cells for MDR reversal. Novel ideas and observations by different research groups were discussed for future improvement in this essential field.
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 | 0,010 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 découle