Imatinib mesylate and nilotinib decrease synthesis of bone matrix in�vitro
Notice bibliographique
Résumé
Tyrosine kinase inhibitors (TKIs), such as imatinib (IMA) and nilotinib (NIL), are the cornerstone of chronic myeloid leukemia (CML) treatment via the blockade of the oncogenic BCR‑ABL1 fusion protein. However, skeletal side effects are commonly observed in pediatric patients receiving long‑term treatment with IMA. Additionally, in vitro studies have shown that IMA and NIL alter vitamin D metabolism, which may further impair bone metabolism. To determine whether TKIs directly affect bone cell function, the present study treated the human osteoblastic cell line SaOS‑2 with IMA or NIL and assessed effects on their mineralization capacity as well as mRNA expression of receptor activator of nuclear factor κB ligand (RANKL) and osteoprotegerin (OPG), two cytokines that regulate osteoclastogenesis. Both TKIs significantly inhibited mineralization and downregulated osteoblast marker genes, including alkaline phosphatase, osteocalcin, osterix, as well as genes associated with the pro‑osteogenic Wnt signaling pathway; NIL was more potent than IMA. In addition, both TKIs increased the RANKL/OPG ratio, which is known to stimulate osteoclastogenesis. The present results suggested that the TKIs IMA and NIL directly inhibited osteoblast differentiation and directly promoted a pro‑osteoclastogenic environment through the RANKL‑OPG signaling axis. Thus, we propose that future work is required to determine whether the bone health of CML patients undergoing TKI‑treatment should be routinely monitored.
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 ».