Ranitidine modifies myeloid cell populations and inhibits breast tumor development and spread in mice
Notice bibliographique
Résumé
Histamine receptor 2 (H2) antagonists are widely used clinically for the control of gastrointestinal symptoms, but also impact immune function. They have been reported to reduce tumor growth in established colon and lung cancer models. Histamine has also been reported to modify populations of myeloid-derived suppressor cells (MDSCs). We have examined the impact of the widely used H2 antagonist ranitidine, on both myeloid cell populations and tumor development and spread, in three distinct models of breast cancer that highlight different stages of cancer progression. Oral ranitidine treatment significantly decreased the monocytic MDSC population in the spleen and bone marrow both alone and in the context of an orthotopic breast tumor model. H2 antagonists ranitidine and famotidine, but not H1 or H4 antagonists, significantly inhibited lung metastasis in the 4T1 model. In the E0771 model, ranitidine decreased primary tumor growth while omeprazole treatment had no impact on tumor development. Gemcitabine treatment prevented the tumor growth inhibition associated with ranitidine treatment. In keeping with ranitidine-induced changes in myeloid cell populations in non-tumor-bearing mice, ranitidine also delayed the onset of spontaneous tumor development, and decreased the number of tumors that developed in LKB1(-/-)/NIC mice. These results indicate that ranitidine alters monocyte populations associated with MDSC activity, and subsequently impacts breast tumor development and outcome. Ranitidine has potential as an adjuvant therapy or preventative agent in breast cancer and provides a novel and safe approach to the long-term reduction of tumor-associated immune suppression.
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 | 0,000 | 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 | 0,001 |
| 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 ».