MétaCan
Menu
← Retour à la cohorte
Enregistrement W2239073428 · doi:10.1158/1538-7445.am2015-4493

Abstract 4493: Ironing out breast cancer: investigation of a novel iron chelator

2015· article· en· W2239073428 sur OpenAlexaff
Anna L. Greenshields, David W. Hoskin, Melanie R. Power Coombs, Taryn Grant

Notice bibliographique

RevueCancer Research · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueIron Metabolism and Disorders
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBreast cancerCancerCancer cellCancer researchTransferrin receptorApoptosisMedicineCell growthTransferrinPharmacologyChemistryInternal medicineBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Introduction: Breast cancer is the second leading cause of cancer-related death in women. Current breast cancer therapy is hindered by dose-limiting toxicities, demonstrating the need for less toxic alternatives. As cancer cells have an increased requirement for iron, we hypothesized that iron withdrawal using a highly selective iron chelator (DIBI) developed by Chelation Partners Incorporated (CPI) would enhance breast cancer cell killing by chemotherapeutic drugs and ionizing radiation. Results: DIBI inhibited the growth of a panel of breast cancer cell lines while similar doses had limited effects on the growth of normal fibroblasts. In breast cancer cells, DIBI-mediated iron chelation increased transferrin receptor 1 mRNA expression and decreased the expression of ferroportin1 mRNA, which is indicative of decreased intracellular iron stores. Iron citrate reversed the inhibitory effect of DIBI, confirming the iron-specific activity of the compound. On the basis of iron-binding capacity, a comparison between DIBI and two conventional iron chelators demonstrated that DIBI was more effective at inhibiting breast cancer cell proliferation. DIBI-treated breast cancer cells showed a dose-dependent reduction in rounds of cell division, as well as arrest in the S-phase of the cell cycle. Higher doses of DIBI also induced apoptosis in breast cancer cells. In addition, DIBI treatment of breast cancer cells induced double-stranded DNA breaks, which are likely important for its anticancer activity. Pretreatment of breast cancer cells with DIBI enhanced the grow-inhibitory effects of ionizing radiation and conventional chemotherapeutic agents, suggesting that DIBI may increase the effectiveness of current breast cancer therapies. Combination treatment with cisplatin and DIBI demonstrated that DIBI enhanced both the cytotoxic and cytostatic anticancer effects of cisplatin. Conclusion: These findings suggest that selective sequestration of iron from the tumor microenvironment may prevent or diminish tumor progression. In the future, treating patients with this novel iron chelator in combination with conventional therapies may increase the effectiveness of current breast cancer treatments. Citation Format: Anna Greenshields, David Hoskin, Melanie Coombs, Taryn Grant. Ironing out breast cancer: investigation of a novel iron chelator. [abstract]. In: Proceedings of the 106th Annual Meeting of the American Association for Cancer Research; 2015 Apr 18-22; Philadelphia, PA. Philadelphia (PA): AACR; Cancer Res 2015;75(15 Suppl):Abstract nr 4493. doi:10.1158/1538-7445.AM2015-4493

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)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 Opus0,160
Tête enseignante GPT0,428
Écart entre enseignants0,268 · 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
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Research→Même sujetIron Metabolism and Disorders→Travaux en français237 207→