MétaCan
Menu
Retour à la cohorte
Enregistrement W3036807976 · doi:10.32768/abc.20207272-82

Molecular Simulations Identify Target Receptor Kinases Bound by Astaxanthin to Induce Breast Cancer Cell Apoptosis

2020· article· en· W3036807976 sur OpenAlexaff
Mossa Gardaneh, Zahra Nayeri, Parvin Akbari, Mahsa Gardaneh, Hasan Tahermansouri

Notice bibliographique

RevueArchives of Breast Cancer · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer Research and Treatments
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésAstaxanthinSKBR3ApoptosisCancer cellCancer researchCancerReceptor tyrosine kinaseProgrammed cell deathCell growthBiologyBreast cancerCell cultureChemistryKinaseBiochemistryGeneticsCarotenoid

Résumé

récupéré en direct d'OpenAlex

Background: We investigated molecular mechanisms behind astaxanthinmediated induction of apoptosis in breast cancer cell lines toward combination therapy against cancer drug resistance. Methods: Breast cancer cell lines were treated with serial concentrations of astaxanthin to determine its IC50. We used drug-design software to predict interactions between astaxanthin and receptor tyrosine kinases or other key gene products involved in intracellular signaling pathways. Changes in gene expression were examined using RT-PCR. The effect of astaxanthin-nanocarbons combinations on cancer cells was also evaluated. Results: Astaxanthin induced cell death in all three breast cancer cell lines was examined so that its IC50 in two HER2-amplifying lines SKBR3 and BT-474 stood, respectively, at 36 and 37 ?M; however, this figure for MCF-7 was significantly lowered to 23 ?M (P<0.05). Astaxanthin-treated SKBR3 cells showed apoptotic death upon co-staining. Our in silico examinations showed that some growth-promoting molecules are strongly bound by astaxanthin via their specific amino acid residues with their binding energy standing below -6 KCa/Mol. Next, astaxanthin was combined with either graphene oxide or carboxylated multi-walled carbon nanotube, with the latter affecting SKBR cell survival more extensively than the former (P<0.05). Finally, astaxanthin coinduced tumor suppressors p53 and PTEN but downregulated the expression of growth-inducing genes in treated cells. Conclusion: These findings indicate astaxanthin carries' multitarget antitumorigenic capacities and introduce the compound as a suitable candidate for combination therapy regimens against cancer growth and drug resistance. Development of animal models to elucidate interactions between the compound and tumor microenvironment could be a major step forward towards the inclusion of astaxanthin in cancer therapy trials.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,019
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

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 Opus0,010
Tête enseignante GPT0,290
Écart entre enseignants0,280 · 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 tête enseignante, 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

Citations5
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueArchives of Breast CancerMême sujetCancer Research and TreatmentsTravaux en français237 207