PPAR γ agonist, pioglitazone, suppresses melanoma cancer in mice by inhibiting TLR4 signaling
Notice bibliographique
Résumé
BACKGROUND: Although previous studies demonstrated an anticancer effect for the ligands of peroxisome proliferator-activated receptor gamma (PPARγ) through activation of its anti-inflammatory responses, nevertheless the anti-tumor mechanism of PPARγ has not been intensively investigated. One of the molecules involved in cancer progression is toll-like receptor 4 (TLR4). METHODS: B16F10 melanoma cells were cultured with or without LPS for 24 hr. The cells were subcutaneously injected to two groups of C57BL/6 mice. After the development of palpable tumors each group of animals were divide to four sub-groups and received pioglitazone in different dose ranges (0,10,50,100 mg/kg/day) for 10 days. At the end of the study, the expression of Tlr4, Myd-88, Nf-kb1 genes was evaluated by qRT-PCR in different groups in mice tumor. The TLR-4 protein expression was evaluated by IHC. TNF-α level in mice tumor and serum were measured by ELISA kits. Tumor volume was measured with Vernier calipers. RESULTS: We observed that activation of PPARγ by its agonist, pioglitazone, reduces tumor volume, Tlr-4, Myd-88, Nf-kb1 mRNA expression, TLR4 protein expression and TNF-α production in melanoma tumor especially in groups that were injected with LPS -stimulated cells. Moreover, treatment of melanoma cells with pioglitazone showed that the inhibitory effects of pioglitazone on LPS-induced inflammatory responses were TLR4 dependent. CONCLUSIONS: The results indicate that pioglitazone, a PPARγ agonist, has a beneficial protective effect against melanoma via interfering with the TLR4-dependent signaling pathways.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».