Assessment of Heterogeneity of Cytochrome P450 Activity in Cancer-Cell Population by Cytometry of Reaction Rate Constant is Robust to Variation in Substrate Concentration
Notice bibliographique
Résumé
ABSTRACT Enzymes of the cytochrome P450 (CYP) family catalyze the metabolism of chemotherapeutic agents and are among the key players in primary and acquired chemoresistance of cancer. The activity of CYP is heterogeneous in tumor tissues, and the quantitative characteristics of this heterogeneity can be used to predict chemoresistance. Cytometry of reaction rate constant (CRRC) is a kinetic approach to assess cell population heterogeneity by measuring rates of processes at the single-cell level via time-lapse imaging. CRRC was shown to be an accurate and robust method for assessing the heterogeneity of drug-extrusion activity catalyzed by ABC transporters, which are also key players in cancer chemoresistance. We hypothesized that CRRC is also a reliable method for assessing the heterogeneity of CYP activity. Here, we evaluated the robustness of assessing the heterogeneity of CYP activity by CRRC with respect to controlled variation in the concentration of a CYP substrate by comparing CRRC with non-kinetic approaches. We found that changing the substrate concentration by 20% resulted only in minimal changes in the position, width, and asymmetry of the peak in the CRRC histogram, while these parameters varied greatly in the non-kinetic histograms. Moreover, the Kolmogorov-Smirnov statistical test showed that the distribution of the cell population in CRRC histograms was not significantly different; the result was opposite for non-kinetic histograms. In conclusion, we were able to demonstrate the robustness of CRRC with respect to changes in substrate concentration when evaluating CYP activity at the single-cell level.
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 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».