Targeting cancer stem cells: Challenges and opportunities
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
University of British Columbia, Canada T introduction of molecularly targeted drugs in the 21st century marks a new and exciting era for cancer therapy. One of these new drugs is Imatinib (IM, Gleevec), a selective tyrosine kinase inhibitor that blocks the catalytic activity of the BCRABL oncoprotein. IM therapy has revolutionized the treatment of chronic myeloid leukemia (CML) worldwide. Nevertheless, early relapses and IM-resistant disease occur in a signifi cant proportion of patients. Our recent studies indicate that CML stem cells are less responsive to IM and other tyrosine kinase inhibitors and are critical target population for IM resistance. Improved treatment approaches to prevent the development of resistant subclones by targeting other key molecular elements active in CML stem cells are thus clearly needed. One candidate is a complex we recently discovered that forms in CML stem/progenitor cells between the oncoproteins encoded by AHI-1 (Abelson helper integration site 1), BCR-ABL and the JAK2 kinase. Th is complex contributes to the transforming activity of BCR-ABL both in vitro and in vivo and also plays a critical role in the IM response/resistance of primary CML stem/ progenitor cells. Interestingly, treatment with IM or dasatinib (DA) in combination with a new JAK2 inhibitor (TG101209) resulted in greater inhibition of CD34+ CML stem/progenitor cells from IM nonresponders, compared to the same cells treated with a combination of IM and DA, as measured by colony-forming cell assays and longterm culture-initiating cell assays. Th ese results suggest that targeting both BCR-ABL and JAK2 activities may be a potential therapeutic option for IM resistant patients.
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.
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) | 0,001 | 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 découle