Gold nanourchins and celastrol reorganize the nucleo- and cytoskeleton of glioblastoma cells
Notice bibliographique
Résumé
The physicochemical properties and cytotoxicity of diverse gold nanoparticle (AuNP) morphologies with smooth surfaces have been examined extensively. Much less is known about AuNPs with irregular surfaces. This study focuses on the effects of gold nanourchins in glioblastoma cells. With limited success of monotherapies for glioblastoma, multimodal treatment has become the preferred regimen. One possible example for such future therapeutic applications is the combination of AuNPs with the natural cytotoxic agent celastrol. Here, we used complementary physical, chemical and biological methods to characterize AuNPs and investigate their impact on glioblastoma cells. Our results show that gold nanourchins altered glioblastoma cell morphology and reorganized the nucleo- and cytoskeleton. These changes were dependent on gold nanourchin surface modification. PEGylated nanourchins had no significant effect on glioblastoma cell morphology or viability, unless they were combined with celastrol. By contrast, CTAB-nanourchins adversely affected the nuclear lamina, microtubules and filamentous actin. These alterations correlated with significant glioblastoma cell death. We identified several mechanisms that contributed to the impact of AuNPs on the cytoskeleton and cell survival. Specifically, CTAB-nanourchins caused a significant increase in the abundance of Rock1. This protein kinase is a key regulator of the cytoskeleton. In addition, CTAB-nanourchins led to a marked decline in pro-survival signaling via the PI3 kinase-Akt pathway. Taken together, our study provides new insights into the molecular pathways and structural components altered by gold nanourchins and their implications for multimodal glioblastoma therapy.
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 | 0,000 |
| 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) | 0,000 | 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 ».