Cranberry flavonols inhibit matrix metalloproteinase activity in human prostate cancer cells
Notice bibliographique
Résumé
This study examined the effects of a flavonol‐enriched fraction (FL) from cranberry ( V. macrocarpon ) on MMP activity in DU145 cells. FL was characterized to contain quercetin and myricetin derivatives. MMP‐2/‐9 activity (assessed by zymography) was inhibited by FL. FL (50 ug/mL) decreased cellular viability by 15 % post 6 hours of treatment. The effect of FL treatment on protein modulators of MMPs was evaluated. Treatment of DU145 cells with 50 ug/mL FL for 6 hours resulted in increased expression of TIMP‐2, decreased expression of TIMP‐1 with no change in either EMMPRIN or RECK. The effect of FL on cell signaling proteins was evaluated. FL treatment decreased the expression of p‐ERK, p‐p38 and increased p38 with no change in ERK 1/2 protein levels. JNK‐1, p‐JNK‐2 and pJNK‐1 increased in response to FL treatment., and JNK‐2 was unchanged. AKT protein levels were unchanged following FL treatment while p‐AKT levels decreased. PI3K p85 levels decreased and PI3K p110 levels increased. There was no change in cytoplasmic p65 expression in response to FL whereas nuclear p65 protein levels increased. FL treatment of DU145 cells resulted in decreased c‐fos protein levels and increased c‐jun protein levels. No change in IκBα occurred in response to FL however FL increased the expression of p‐IκBα protein levels. These results suggest that cranberry FL has the ability to inhibit the expression of MMP‐2/‐9 activity in DU145 cells at a concentration which is not substantially cytotoxic to these cells suggesting that FL inhibits MMPs in a targeted manner. The FL‐mediated effects involve a number of cell signaling pathways.[N.C.I.C.‐Canadian Cancer Society, P.E.I. Health Research Program, The Cranberry Institute (Wisconsin Cranberry Board) funded]
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) | 0,000 | 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 | 0,001 |
| 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 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 ».