Green tea extracts decrease carcinogen‐induced mammary tumor burden in rats and rate of breast cancer cell proliferation in culture
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
Epidemiological evidence suggests tea (Camellia sinensis L.) has chemopreventive effects against various tumors. Green tea contains many polyphenols, including epigallocatechin-3 gallate (EGCG), which possess anti-oxidant qualities. Reduction of chemically induced mammary gland carcinogenesis by green tea in a carcinogen-induced rat model has been suggested previously, but the results reported were not statistically significant. Here we have tested the effects of green tea on mammary tumorigenesis using the 7,12-dimethylbenz(a)anthracene (DMBA) Sprague-Dawley (S-D) rat model. We report that green tea significantly increased mean latency to first tumor, and reduced tumor burden and number of invasive tumors per tumor-bearing animal; although, it did not affect tumor number in the female rats. Furthermore, we show that proliferation and/or viability of cultured Hs578T and MDA-MB-231 estrogen receptor-negative breast cancer cell lines was reduced by EGCG treatment. Similar negative effects on proliferation were observed with the DMBA-transformed D3-1 cell line. Growth inhibition of Hs578T cells correlated with induction of p27(Kip1) cyclin-dependent kinase inhibitor (CKI) expression. Hs578T cells expressing elevated levels of p27(Kip1) protein due to stable ectopic expression displayed increased G1 arrest. Thus, green tea had significant chemopreventive effects on carcinogen-induced mammary tumorigenesis in female S-D rats. In culture, inhibition of human breast cancer cell proliferation by EGCG was mediated in part via induction of the p27(Kip1) CKI.
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 | 0,000 | 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 | 0,001 |
| 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 découle