MétaCan
Menu
Retour à la cohorte
Enregistrement W3133587423 · doi:10.1186/s13148-021-01037-1

Synergistic effects of type I PRMT and PARP inhibitors against non-small cell lung cancer cells

2021· article· en· W3133587423 sur OpenAlexafffund
Claudia Dominici, Nicolas Sgarioto, Zhenbao Yu, Laura Sesma-Sanz, Jean‐Yves Masson, Stéphane Richard, Noël J.‐M. Raynal

Notice bibliographique

RevueClinical Epigenetics · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related gene regulation
Établissements canadiensCentre Hospitalier Universitaire Sainte-JustineUniversité LavalUniversité de MontréalMcGill University
Organismes subventionnairesCIHR Skin Research Training CentreFonds de Recherche du Québec-Société et Culture
Mots-clésLung cancerCombination therapyCancer researchCancerPARP inhibitorMedicineMethyltransferaseTargeted therapyPharmacologyInternal medicineBiologyPoly ADP ribose polymeraseBiochemistryEnzymeDNAMethylation

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Non-small cell lung carcinoma (NSCLC) is a leading cause of cancer-related death and represents a major health burden worldwide. Current therapies for NSCLC include chemotherapy, immunotherapy, and targeted molecular agents such as tyrosine kinase inhibitors and epigenetic drugs such as DNA methyltransferase inhibitors. However, survival rates remain low for patients with NSCLC, especially those with metastatic disease. A major cause for therapeutic failure is drug resistance, highlighting the need for novel therapies and combination strategies. Given that epigenetic modulators such as protein arginine methyltransferases (PRMTs) are frequently overexpressed in cancers, PRMT inhibitors are a promising class of cancer therapeutics. We screened a library of epigenetic and anticancer drugs to identify compounds that would synergize with MS023, a type I PRMT inhibitor, in decreasing the viability of methylthioadenosine phosphorylase (MTAP)-negative NSCLC cells. RESULTS: Among 181 compounds, we identified PARP inhibitors (PARPi) as having a strong synergistic interaction with type I PRMT inhibition. The combination of MS023 and the PARP inhibitor BMN-673 (Talazoparib) demonstrated strong synergistic interaction at low nanomolar concentrations in MTAP-negative NSCLC cell lines A549, SK-LU-1 and HCC4006. The re-introduction of MTAP decreased the sensitivity of the combination therapy in A549. The combination therapy resulted in elevated γ-H2AX foci indicating increased DNA damage causing decreased cell viability. Lastly, the combination therapy was effective in PARPi resistant ovarian cancer cells, suggesting that type I PRMT inhibitors could mitigate PARPi resistance, thus potentially having an important clinical impact for cancer treatment. CONCLUSIONS: These findings identify a novel cancer drug combination therapy, which is more potent than the separate single-agent therapies. Thus, combining PARP inhibitors and type I PRMT inhibitors represents a new therapeutic opportunity for MTAP-negative NSCLC and certain cancer cells resistant to PARP inhibitors.

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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0020,000

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 GPT0,292
Écart entre enseignants0,282 · 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

Citations74
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical EpigeneticsMême sujetCancer-related gene regulationTravaux en français237 207