MétaCan
Menu
Retour à la cohorte
Enregistrement W3024789895 · doi:10.21873/anticanres.12048

Docosahexaenoic Acid Monoglyceride Increases Carboplatin Activity in Lung Cancer Models by Targeting EGFR

2017· article· en· W3024789895 sur OpenAlexaff
Caroline Morin, Samuel Fortin

Notice bibliographique

RevueAnticancer Research · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Lipids, and Metabolism
Établissements canadiensUniversité du Québec à Rimouski
Organismes subventionnairesnon disponible
Mots-clésDocosahexaenoic acidCancer researchMAPK/ERK pathwayIn vivoCell growthChemistryLung cancerCarboplatinA549 cellPharmacologyKinaseBiologyPolyunsaturated fatty acidMedicineBiochemistryIn vitroFatty acidInternal medicineChemotherapyCisplatin

Résumé

récupéré en direct d'OpenAlex

BACKGROUND/AIM: Omega 3 polyunsaturated fatty acids (PUFAs) have been shown to inhibit the induction and progression of many tumor types. The aim of this study was to determine the anticancer effect of docosahexaenoic acid monoglyceride (MAG-DHA) alone and in combination with the chemotherapeutic agent carboplatin (CBT) on lung cancer models. MATERIALS AND METHODS: Adenocarcinoma cell lines A549 and H1299 were used to evaluate the effect of combined MAG-DHA and CBT treatments both in vitro and in vivo in xenograft models. RESULTS: MAG-DHA+CBT treatment decreased cell proliferation and invasion abilities of A549 and H1299 cells. Furthermore, MAG-DHA+CBT treatment resulted in a decreased activation of epithelial growth factor receptor (EGFR) and its downstream extracellular signal-regulated kinase (ERK) in cell lysates. In A549 and H1299 xenograft mouse models, MAG-DHA+CBT treatment reduced tumor growth. CONCLUSION: Combined MAG-DHA and CBT treatment inhibited tumor growth by suppressing EGFR and ERK signaling pathways in lung carcinoma cells.

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 enseignants0,002
Score d'incertitude au seuil0,004

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 recherche0,0000,001
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 Opus0,042
Tête enseignante GPT0,390
Écart entre enseignants0,348 · 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

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnticancer ResearchMême sujetCancer, Lipids, and MetabolismTravaux en français237 207