Lysosomal Destabilizing Drug Siramesine and the Dual Tyrosine Kinase Inhibitor Lapatinib Induce a Synergistic Ferroptosis through Reduced Heme Oxygenase-1 (HO-1) Levels
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ferroptosis is an iron-dependent type of cell death distinct from apoptosis or necrosis characterized by accumulation of reactive oxygen species. The combination of siramesine, a lysosomotropic agent, and lapatinib, a dual tyrosine kinase inhibitor (TKI), synergistically induced cell death in breast cancer cells mediated by ferroptosis. In this study, we showed that this combination of siramesine and lapatinib induces synergistic cell death in glioma cell line U87 and lung adenocarcinoma cell line A549. This cell death was characterized by the increase in iron content, reactive oxygen species (ROS) production, and lipid peroxidation accumulation after 24 hours of treatment. Moreover, iron chelator DFO and ferrostatin-1, a ferroptosis inhibitor, significantly reduced cell death. The mechanism underlying the activation of the ferroptotic pathway involves lysosomal permeabilization and increase in reactive iron levels in these cells. In addition, the downregulation of heme oxygenase-1 (HO-1) protein occurred. Overexpression of HO-1 resulted in reduction of ROS and lipid peroxidation production and cell death. Furthermore, knocking down of HO-1 combined with siramesine treatment resulted in increased cell death. Finally, we found that the inhibition of the proteasome system rescued HO-1 expression levels. Our results suggest that the induction of ferroptosis by combining a lysosomotropic agent and a tyrosine kinase inhibitor is mediated by iron release from lysosomes and HO-1 degradation by the proteasome system.
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.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 découle