Combining semi-synthesis with plant and microbial biocatalysis: new frontiers in producing a chemical arsenal against cancer
Notice bibliographique
Résumé
Natural products (NPs) that exhibit anticancer activities are frequently not potent enough to be used clinically as therapeutics. Semi-synthesis and metabolic engineering are promising approaches for producing more efficacious derivatives of anticancer NPs (ACNPs), but each technique alone can be inefficient at obtaining specific ACNP derivatives that may be suspected to have enhanced anticancer activity. Here, we demonstrate that the methods of semi-synthesis and biocatalysis can be used as modules in succession and in different combinations to produce 6,8-dibromogenkwanin, a derivative of the ACNP apigenin. Further, we demonstrated that soybean seed coats can be used as a biocatalyst to convert brominated flavonoids into multiple derivatives. A strength of the combinatorial (bio)synthesis approach was that the order of the modules could be rearranged to increase the yield of the desired product. At lower treatment concentration (5 μM), 6,8-dibromogenkwanin exhibited enhanced antiproliferative activities against HT-29 colorectal adenocarcinoma cancer cells under normoxic and hypoxic conditions compared to its ACNP precursors, but not at higher concentrations. Dose-response analyses suggested that dibromogenkwanin had a distinct mode-of-action compared to apigenin. Thus, this proof-of-concept paper demonstrates combinatorial (bio)synthesis as an approach that can be used to produce novel chemistries for anticancer research.
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 ».