Characterization of a Gemcitabine-Resistant Murine Leukemic Cell Line
Notice bibliographique
Résumé
Resistance to cytotoxic nucleoside analogues is a major problem in cancer treatment. The cellular mechanisms involved in this phenomenon have been studied for several years, and some factors have been identified. Various strategies to overcome resistance have been suggested, but none has yet shown efficacy in vivo. We developed a gemcitabine-resistant cell line (L1210 10K) from the murine leukemic L1210 strain (L1210 wt) by continuous exposure to increasing concentrations of gemcitabine. L1210 10K is highly resistant to gemcitabine (14,833-fold), 1-beta-D-arabinofuranosylcytosine (ara-C; 2,100-fold), troxacitabine (>200-fold), and cladribine (160-fold) and slightly resistant to trimidox (7.22-fold), but does not display cross-resistance to fludarabine or nonnucleoside anticancer drugs. Deoxycytidine kinase mRNA was not detected by quantitative real-time reverse transcription-PCR in L1210 10K cells, whereas expression of thymidine kinase 1 and ribonucleotide reductase subunit R2 gene was moderately reduced. L1210 10K cells also demonstrated in vivo resistance to nucleoside analogues: gemcitabine- or ara-C-treated mice carrying L1210 10K had significantly shorter survival than gemcitabine- or ara-C-treated mice carrying L1210 wt (P < 0.05). UA911, a mononucleotide prodrug (pronucleotide) of ara-C was found to significantly sensitize L1210 10K cells in vitro. These results suggest that reduced deoxycytidine kinase expression is a mechanism of resistance to gemcitabine that is relevant in vivo and can be circumvented by a prodrug approach.
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 | 0,003 | 0,001 |
| 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 | 0,001 |
| 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 ».