MétaCan
Menu
Retour à la cohorte
Enregistrement W2976316124 · doi:10.1111/febs.15069

Simvastatin increases temozolomide‐induced cell death by targeting the fusion of autophagosomes and lysosomes

2019· article· en· W2976316124 sur OpenAlexafffund
Shahla Shojaei, Navid Koleini, Ehsan Samiei, Laura Cole, Javad Alizadeh, M. Rabiul Islam, Amir R. Vosoughi, Mohammed Albokashy, Yaron S.N. Butterfield, Hassan Marzban, Fred Y. Xu, James A. Thliveris, Elissavet Kardami, Grant M. Hatch, Eftekhar Eftekharpour, Mohsen Akbari, Sabine Hombach‐Klonisch, Thomas Klonisch, Saeid Ghavami

Notice bibliographique

RevueFEBS Journal · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Lipids, and Metabolism
Établissements canadiensResearch Institute in Oncology and HematologyCancerCare ManitobaBrain Tumour Foundation of CanadaGenome British ColumbiaSt. Boniface HospitalUniversity of ManitobaUniversity of Victoria
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaMitacsCanada Foundation for InnovationUniversity of Manitoba
Mots-clésTemozolomideAutophagyApoptosisCancer researchProgrammed cell deathViability assayCell cultureMedicineChemistryPharmacologyBiologyGliomaBiochemistry

Résumé

récupéré en direct d'OpenAlex

Temozolomide (TMZ) is a chemotherapy agent used to treat Grade IV astrocytoma, also known as glioblastoma (GBM). TMZ treatment causes DNA damage that results in tumor cell apoptosis and increases the survival rate of GBM patients. However, chemoresistance as a result of TMZ-induced autophagy significantly reduces this anticancer effects over time. Statins are competitive inhibitors of HMG-CoA reductase, the rate-limiting enzyme of the mevalonate (MEV) cascade. Statins are best known for their cholesterol (CH)-lowering effect. Long-term consumption of statins, prior to and in parallel with other cancer therapeutic approaches, has been reported to increase the survival rate of patients with various forms of cancers. In this study, we investigated the potentiation of TMZ-induced apoptosis by simvastatin (Simva) in human GBM cell lines and patient GBM cells, using cell monolayers and three-dimensional cell culture systems. The incubation of cells with a combination of Simva and TMZ resulted in a significant increase in apoptotic cells compared to cells treated with TMZ alone. Incubation of cells with CH or MEV cascade intermediates failed to compensate the decrease in cell viability induced by the combined Simva and TMZ treatment. Simva treatment inhibited the autophagy flux induced by TMZ by blocking autophago-lysosome formation. Our results suggest that Simva sensitizes GBM cells to TMZ-induced cell death in a MEV cascade-independent manner and identifies the inhibition of autophagosome-lysosome fusion as a promising therapeutic strategy in the treatment of GBM.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,229
Écart entre enseignants0,222 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations123
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFEBS JournalMême sujetCancer, Lipids, and MetabolismTravaux en français237 207