A novel approach to the discovery of anti-tumor pharmaceuticals: searching for activators of liponecrosis
Notice bibliographique
Résumé
// Anthony Arlia-Ciommo 1 , Veronika Svistkova 1 , Sadaf Mohtashami 1 and Vladimir I. Titorenko 1 1 Department of Biology, Concordia University, Montreal, Quebec, Canada Correspondence to: Vladimir I. Titorenko, email: // Keywords : cancer, anti-cancer therapeutics, lipid metabolism, programmed cell death, liponecrosis, yeast Received : August 20, 2015 Accepted : November 21, 2015 Published : November 30, 2015 Abstract A recently conducted chemical genetic screen for pharmaceuticals that can extend longevity of the yeast Saccharomyces cerevisiae has identified lithocholic acid as a potent anti-aging molecule. It was found that this hydrophobic bile acid is also a selective anti-tumor chemical compound; it kills different types of cultured cancer cells if used at concentrations that do not compromise the viability of non-cancerous cells. These studies have revealed that yeast can be successfully used as a model organism for high-throughput screens aimed at the discovery of selectively acting anti-tumor small molecules. Two metabolic traits of rapidly proliferating fermenting yeast, namely aerobic glycolysis and lipogenesis, are known to be similar to those of cancer cells. The mechanisms underlying these key metabolic features of cancer cells and fermenting yeast have been established; such mechanisms are discussed in this review. We also suggest how a yeast-based chemical genetic screen can be used for the high-throughput development of selective anti-tumor pharmaceuticals that kill only cancer cells. This screen consists of searching for chemical compounds capable of increasing the abundance of membrane lipids enriched in unsaturated fatty acids that would therefore be toxic only to rapidly proliferating cells, such as cancer cells and fermenting yeast.
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) | 0,001 | 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 ».