α‐linolenic acid reduces growth in four breast cancer cell lines with varying receptor expression in high and low estrogen environments
Notice bibliographique
Résumé
Breast cancer differs in cell receptors which then determines effective treatments. Alpha‐linolenic acid (ALA)‐rich flaxseed oil reduced estrogen receptor (ER)+ cell growth at low and high estrogen (E2) but its effect is unclear in cells with varying ER, progesterone receptor (PR) and human epidermal growth factor receptor 2 (HER2). Our objective was to determine in vitro the ALA and E2 effect on growth and membrane lipids of four breast cancer cell lines with varying ER, PR and HER2 status. Cells were treated with 0 – 200uM ALA ± 1nM E2 and tested for growth by trypan blue exclusion method and fatty acids by gas chromatography. Receptor status confirmed by Western Blot: MCF7‐ER+PR+low HER2; BT474‐ER+PR+HER2+, MDA MB 231‐ER‐PR‐low HER2; MDA MB 468‐ER‐PR‐HER2‐. Compared to –E2 control, MCF7 had a significant E2, ALA and interaction effect on growth; other cell lines only had an ALA effect. 50uM and 75uM ALA significantly decreased growth by 14, 48, 31 and 63% and 38, 77, 80 and 78% in MCF7, BT 474, MDA MB231 and MDA MB468, respectively. E2 significantly increased (91.8%) MCF7 growth. Cells showed significant increases (9–25 fold) in % ALA which related to growth. Thus ALA reduces breast cancer cell growth ± E2 at doses as low as 50uM, likely through alteration of lipid composition. It is effective regardless of ER, PR and HER2 status which may be of importance in difficult to treat cancers such as triple negative. Funded by NSERC. Grant Funding Source : NSERC
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».