Overexpression of tensin homolog deleted on chromosome ten (PTEN) by ciglitazone sensitizes doxorubicin‐resistance leukemia cancer cells to treatment
Notice bibliographique
Résumé
Overcoming multidrug resistance (MDR) is a final goal of various recent studies, in which combination of different compounds and conventional chemotherapeutics results in circumventing MDR and hence cancer progression. Therefore, we aimed to investigate the effects of peroxisome proliferator-activated receptors (PPARs)-γ on MDR in doxorubicin-resistant human myelogenous leukemia cells. The effect of doxorubicin on cell viability following treatment with ciglitazone was measured using the 3-(4,5-dimethylthiazol-2-yl)-2,5-diphenyl tetrazolium bromide (MTT) assay. The activity of P-glycoprotein (P-gp), as one of the membrane transporters, was determined by the rhodamine 123 (Rho 123) assay. Quantitative reverse transcription-polymerase chain reaction (qRT-PCR) and Western blot were used for the measurement of P-gp, and tensin homolog deleted on chromosome ten (PTEN) expression at mRNA and protein, respectively. For evaluation of doxorubicin (DOX)-induced apoptosis by annexin V/PI staining was used. Ciglitazone significantly increases the cytotoxic effects of DOX. In addition, ciglitazone considerably decreased the expression levels and activity of P-gp in DOX-resistant K562 cells. Furthermore, upon the ciglitazone treatment, PTEN expression could be increased in K562/DOX cells in a PPARγ-dependent manner. Moreover, ciglitazone significantly enhanced DOX-induced apoptosis in K562/DOX cells. The combination treatment of K562/DOX leukemia cancer cells with doxorubicin and ciglitazone might be an effective strategy in inducing apoptosis and reversing developed MDR, and more importantly decreasing the adverse side effects of these agents.
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) | 0,001 | 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 ».