Sulfasalazine Suppresses Drug Resistance and Invasiveness of Lung Adenocarcinoma Cells Expressing AXL
Notice bibliographique
Résumé
Metastasis and drug resistance are the major causes of mortality in patients with non-small cell lung cancer (NSCLC). Several receptor tyrosine kinases (RTKs), including AXL, are involved in the progression of NSCLC. The AXL/MER/SKY subfamily is involved in cell adhesion, motility, angiogenesis, and signal transduction and may play a significant role in the invasiveness of cancer cells. Notably, no specific inhibitors of AXL have been described. A series of CL1 sublines with progressive invasiveness established from a patient with NSCLC has been identified that positively correlates with AXL expression and resistance to chemotherapeutic drugs. The ectopic overexpression of AXL results in elevated cell invasiveness and drug resistance. Nuclear factor-kappaB (NF-kappaB) signaling activity is associated with AXL expression and may play an important role in the enhancement of invasiveness and doxorubicin resistance, as shown by using the NF-kappaB inhibitor, sulfasalazine, and IkappaB dominant-negative transfectants. In the current study, sulfasalazine exerted a synergistic anticancer effect with doxorubicin and suppressed cancer cell invasiveness in parallel in CL1 sublines and various AXL-expressing cancer cell lines. Phosphorylation of AXL and other RTKs (ErbB2 and epidermal growth factor receptor) was abolished by sulfasalazine within 15 min, suggesting that the inhibition of NF-kappaB and the kinase activity of RTKs are involved in the pharmacologic effects of sulfasalazine. Our study suggests that AXL is involved in NSCLC metastasis and drug resistance and may therefore provide a molecular basis for RTK-targeted therapy using sulfasalazine to enhance the efficacy of chemotherapy in NSCLC.
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) | 0,000 | 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 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 ».