MétaCan
Menu
← Retour à la cohorte
Enregistrement W2171839817 · doi:10.1093/neuonc/nou208.33

IDENTIFYING DRUG COMPOUNDS TARGETING TUMOR METABOLISM IN GLIOBLASTOMAS

2014· article· en· W2171839817 sur OpenAlexaff
Gelareh Zadeh

Notice bibliographique

RevueNeuro-Oncology · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésWarburg effectGene knockdownGlycolysisCancer researchHexokinaseAnaerobic glycolysisBiologyReprogrammingIn vivoCell cultureOxidative phosphorylationCell biologyGeneEnzymeBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Rapidly proliferating tumour cells preferentially use aerobic glycolysis over oxidative phosphorylation (OXPHOS) to support growth and survive unfavorable microenvironment conditions. This metabolic reprogramming is referred to as the “Warburg effect”. We have shown that glycolytic enzyme hexokinase 2 (HK2) is crucial for the Warburg effect in human glioblastoma multiforme (GBM). We also demonstrate that loss of HK2 sensitizes GBM cells in-vitro and in-vivo to chemo and radiation therapy, significantly prolonging survival in intracranial models. We also show that loss of HK2 is most relevant in hypoxia. Given these results and that HK2 is an enzyme with little to no expression in normal brain, it provides an attractive target for targeting in GBMs. However, no direct inhibitor of HK2 that crosses the blood brain barrier exists. We therefore explored whether a system biology approach to identify gene networks regulated by or associated with HK2 that could lead to promising treatment strategies. METHODS: Using HK2 knockdown by siRNA in established GBM cell lines and primary GBM cultures we established gene signatures and networks associated with HK2 expression, identifying 1000 genes with a 2 fold change with p-value <0.01 and false discovery rate of <1%. Using a drug screen of 30 compounds that were predicted to repress HK2 expression and associated metabolic gene signatures we identified the azole class of antifungals as inhibitors of tumour metabolism by reducing proliferation, lactate production, glucose uptake and increasing O2 consumption in GBM cells but not primary normal human astrocytes or normal neural stem cells. RESULTS: We evaluated the in vivo efficacy of these azole compounds in pre-clinical orthotopic xenograft mouse models and transgenic models of GBM. The compounds in combination with standard chemo and radiation therapy significantly restrict tumor growth, alter tumor hypoxia and ROS production. We also show that there is a altered response to DNA damage pathways using these compounds, suggesting novel metabolic mechanisms by which these antifungals sensitize GBMs to treatment. CONCLUSIONS: The azole class of antifungals may represent a new way of targeting tumour metabolism in tumours dependent on HK2. SECONDARY CATEGORY: Tumor Biology.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,268
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNeuro-Oncology→Même sujetCancer, Hypoxia, and Metabolism→Travaux en français237 207→