MétaCan
Menu
Retour à la cohorte
Enregistrement W2748011830 · doi:10.1016/j.apjtm.2017.08.001

Effect of tetramethylpyrazine combined with cisplatin on VEGF, KLF4 and ADAMTS1 in Lewis lung cancer mice

2017· article· en· W2748011830 sur OpenAlexaff
Jianhua Tang, Hemin Zhang, Xiulong Zhang

Notice bibliographique

RevueAsian Pacific Journal of Tropical Medicine · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueKruppel-like factors research
Établissements canadiensNorthern College
Organismes subventionnairesnon disponible
Mots-clésAngiogenesisTetramethylpyrazineLewis lung carcinomaKLF4Lung cancerVascular endothelial growth factorCancer researchThrombospondinCisplatinMedicineCancerChemistryPharmacologyInternal medicineVEGF receptorsMetastasisMetalloproteinaseBiochemistryPathologyMatrix metalloproteinaseTranscription factorChemotherapy

Résumé

récupéré en direct d'OpenAlex

OBJECTIVE: To further explore the function of combine use of tetramethylpyrazine (TMP) and cisplatin (DDP) in lung carcinoma. METHODS: We used the combination drug to treat Lewis lung cancer mice, investigated the expression level of vascular endothelial growth factor (VEGF), Kruppel-like factor 4 (KLF4) and A disintegrin and metalloproteinase with thrombospondin motifs 1 (ADAMTS1) and to further explore the inhibitory effects and potential mechanism of TMP combined with DDP on tumor angiogenesis. RESULTS: The tumor growth was suppressed in TMP group, DDP group and TMP combined with DDP group. Furthermore, the weights and volume of tumor, the expression level of VEGF, KLF4 and ADAMTS1 were found significantly changed between experiment group and control group. These findings suggest that TMP with DDP had additional or synergistic effects to inhibit the tumor growth effectively, might be achieved through reducing the expression of angiogenesis promoting factor VEGF and increasing expression of angiogenesis inhibitors KLF4 and ADAMTS1. CONCLUSION: KLF4 and ADAMTS1 may be synergically involved in the angiogenesis in mouse Lewis lung cancer through the different signal ways.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,149
Score d'incertitude au seuil0,402

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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)0,0000,000

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 Opus0,008
Tête enseignante GPT0,321
Écart entre enseignants0,313 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
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

Citations11
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAsian Pacific Journal of Tropical MedicineMême sujetKruppel-like factors researchTravaux en français237 207