<i>BCR-Abl</i> Silencing by siRNA: A Potent Approach to Sensitize Chronic Myeloid Leukemia Cells to Tyrosine Kinase Inhibitor Therapy
Notice bibliographique
Résumé
Nonviral gene therapy with specific short interfering RNAs (siRNAs) against BCR-Abl can be an alternative and/or supportive therapy of chronic myeloid leukemia (CML) with tyrosine kinase inhibitors (TKIs), given the often observed resistance to TKIs in clinical setting. In this study, we explored the feasibility of BCR-Abl siRNA therapy in CML K562 cells in vitro by employing a cationic polymer derived from cholesterol (Chol) grafted low-molecular weight polyethyleneimine (PEI). The first generation TKI imatinib upregulated the expression of BCR-Abl in K562 cells as expected. Delivery of BCR-Abl siRNA in both drug-sensitive and drug-resistant K562 cells significantly downregulated the mRNA levels in both cell types. Similarly, the BCR-Abl siRNA treatment arrested the growth of both drug-sensitive and drug-resistant K562 cells with no obvious differences despite a large difference in drug responsiveness. The BCR-Abl gene silencing in combination with TKI treatments exhibited significant synergism in drug-resistant K562 cells in generating substantial antileukemic activity, where the TKIs on their own were not effective. The effect of BCR-Abl siRNA and TKIs on non-CML cells (Jurkat and primary fibroblast) was negligible, indicating the specificity of the proposed therapy. This strategy can significantly overcome TKI resistance in CML cells, suggesting a feasible and effective treatment model for CML patients suffering from clinical resistances.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».