Interactions Between Nutraceutical Supplements and Standard Acute Myeloid Leukemia Chemotherapeutics
Notice bibliographique
Résumé
PURPOSE: Concomitant use of nutraceuticals with chemotherapy is very common. Cancer patients self-medicate to relieve the side effects associated with chemotherapy, improve disease outcome and to regain control of their medical care. However, there is limited empirical evidence on potential drug-nutraceutical interactions and their resulting effect on chemotherapy efficacy. METHOD: To investigate drug-nutraceutical interactions we created and screened a library of commonly used nutraceuticals for their modulatory effects on the activity of cytarabine and daunorubicin, two primary chemotherapeutics used to treat acute myeloid leukemia (AML). Combination screening was performed in 3 AML cell lines (OCI-AML2, KG1a and U937) using the MTS viability assay. Lead compounds were validated using with the Annexin V/ Propidium iodide assay and CalcuSyn drug combination software. RESULTS: We identified zinc as a nutraceutical that enhanced AML chemotherapy efficacy with combination index (CI) values of 0.649, 0.632 and 0.615 at EC 25, 50 and 75, respectively; CI values <0.9, >1.1 or between 0.9-1.1 denote statistical synergy, antagonism or additivity, respectively. In contrast, we show that echinacea hindered AML chemotherapy efficacy by significantly reducing the ability of cytarabine to induce cell death. CONCLUSION: Given the positive and negative effects of nutraceuticals, patients undergoing chemotherapy must consult with their oncologist before consuming over-the-counter supplements. This article is open to POST-PUBLICATION REVIEW. Registered readers (see "For Readers") may comment by clicking on ABSTRACT on the issue's contents page.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».