Prevention of cyclophosphamide‐induced alopecia by selegiline in a murine model
Notice bibliographique
Résumé
One of the most common and psychologically traumatic side effects of cancer therapy is the induction of apoptosis in hair follicle cells, resulting in alopecia. We have tested various compounds for their ability to modify chemotherapy‐induced apoptosis. An initial in vitro screen showed selegiline, clinically used in the control of Parkinson's disease, had a particularly intriguing profile. Selegiline dose‐dependently prevented cisplatin‐and cytosine arabinoside‐induced cell death in phenotypically normal cells, while also increasing cell death in human cancer cells in response to cisplatin. Dose‐response curves for the two effects were comparable, with a maximally effective concentration in both of 10nM. Selegiline was next tested in vivo using a mouse cyclophosphamide‐induced alopecia model. Anaesthetized animals were depilated with a wax/rosin mixture to induce synchronous hair follicle cycling. Alopecia was induced by the administration of 150mg/kg i.p. cyclophosphamide on days 7, 9, and 11 postdepilation. Selegiline was administered i.p. daily, starting on day 7 post‐depilation, at either 0.1 or 1.0mg/kg. Animals were monitored daily and hair re‐growth assessed on days 12, 19 and 26 postdepilation. At 0.1mg/kg selegiline at least partially prevented alopecia in 14/15 mice, with complete hair re‐growth indistinguishable from controls seen in 8/15. At the higher dose of 1mg/kg selegiline was considerably less effective, despite significantly greater monoamine oxidase‐B (MAO‐B) inhibition. The results suggest that selegiline can prevent the toxicity of clinically used cancer chemotherapeutics through an MAO‐B inhibition independent mechanism. This may relate to the p53/GAPDH‐dependent anti‐apoptotic effects of selegiline that have previously been reported. The in vitro studies further suggest that such an effect may occur without a concomitant decrease in chemotherapy efficacy at cancer cells. Financial support provided by NSERC and CFI.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».