Enterolactone has stronger effects than enterodiol on ovarian cancer
Notice bibliographique
Résumé
BACKGROUND: Ovarian cancer is one of the three leading gynecological malignancies, characterized by insidious growth, highly frequent metastasis, and quick development of drug resistance. As a result, this disease has low 5-year survival rates. Estrogen receptor inhibitors were commonly used for the treatment, but only 7% to 18% of patients respond to anti-estrogen therapies. Therefore, more effective therapies to inhibit estrogen-related tumors are urgently needed. Recently, phytoestrogens, such as lignans with estrogen-like biological activities, have attracted attention for their potential effects in the prevention or treatment of estrogen-related diseases. Enterodiol (END) and enterolactone (ENL) are mammalian lignans, which can reduce the risk of various cancers. However, the effects of END and ENL on ovarian cancer are not adequately documented. METHODS: We used in vitro assays on the ES-2 cell line to evaluate the inhibiting effects of END and ENL on ovarian cancer cell proliferation, invasion and migration ability and in vivo xenograft experiments on nude mice to validate the anticancer effects of END and ENL. RESULTS: The in vitro assays demonstrated that high-dose END and ENL could obviously inhibit ovarian malignant properties, including cancerous proliferation, invasion, and metastasis. Compared to END, ENL behaved in a better time-dose dependent manner on the cancer cells. The in vivo experiments showed that END (1 mg/kg), ENL (1 mg/kg) and ENL (0.1 mg/kg) suppressed tumor markedly, and there were statistically significant differences between the experimental and control groups in tumor weight and volume. Compared to END, which have serious side effects to the animals at high concentration such as 1 mg/kg, ENL had higher anticancer activities and less side effects in the animals than END at the same concentrations, so it would be a better candidate for drug development. CONCLUSION: END and ENL both have potent inhibitory effects on ovarian cancer but ENL possesses a more effective anti-cancer capability and less side effects than END. Findings in this work provide novel insights into ovarian cancer therapeutics with phytoestrogens and encourage their clinical applications.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».