Retinoblastoma Tumor Suppressor Gene Expression Determines the Response to Sequential Flavopiridol and Doxorubicin Treatment in Small-Cell Lung Carcinoma
Notice bibliographique
Résumé
PURPOSE: Small-cell lung cancers (SCLC) are defective in many regulatory mechanisms that control cell cycle progression, i.e., functional retinoblastoma protein (pRb). Flavopiridol inhibits proliferation and induces apoptosis in SCLC cell lines. We hypothesized that the sequence flavopiridol followed by doxorubicin would be synergistic in pRb-deficient SCLC cells. EXPERIMENTAL DESIGN: A H69 pRb-deficient SCLC cell line, H865, with functional pRb and H865 pRb small interfering RNA (siRNA) knockdown cells were used for in vitro and in vivo experiments. The in vivo efficiencies of various sequential combinations were tested using nude/nude athymic mice and human SCLC xenograft models. RESULTS: Flavopiridol then doxorubicin sequential treatment was synergistic in the pRB-negative H69 cell line. By knocking down pRb with specific siRNA, H865 clones with complete pRb knockdown became sensitive to flavopiridol and doxorubicin combinations. pRb-deficient SCLC cell lines were highly sensitive to flavopiridol-induced apoptosis. pRb-positive H865 cells arrested in G0-G1 with flavopiridol exposure, whereas doxorubicin and all flavopiridol/doxorubicin combinations caused a G2-M block. In contrast, pRb-negative SCLC cells did not arrest in G0-G1 with flavopiridol exposure. Flavopiridol treatment alone did not have an in vivo antitumor effect, but sequential flavopiridol followed by doxorubicin treatment provided tumor growth control and a survival advantage in Rb-negative xenograft models, compared with the other sequential treatments. CONCLUSIONS: Flavopiridol and doxorubicin sequential treatment induces potent in vitro and in vivo synergism in pRb-negative SCLC cells and should be clinically tested in tumors lacking functional pRB.
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 | 0,005 | 0,003 |
| 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) | 0,000 | 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 ».