Effect of Auraptene on angiogenesis in Xenograft model of breast cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Objectives Angiogenesis is the most important challenge in breast cancer treatment. Recently, scientists become interesting in rare natural products and intensive researches was performed to identify their pharmacological profile. Auraptene shows helpful effects such as cancer chemo-preventive, anti-inflammatory, anti-oxidant, immuno-modulatory. In this regard, we investigated the anti-angiogenesis effect of Auraptene in in-vitro and in-vivo model of breast cancer. Methods In this study, 4T, MDA-MB-231 and HUVEC cell lines were used. The proliferation study was done by MTT assay. For tube formation assay, 250 matrigel, 1 × 10 4 HUVEC treated with Auraptene, 20 ng/mL EGF, 20 ng/mL bFGF and 20 ng/mL VEGF were used. Gene expression of important gene related to angiogenesis in animal model of breast cancer was investigated by Real-time PCR. Protein expression of VCAM-1 and TNFR-1 gene related to angiogenesis in animal model of breast cancer was investigated by western-blot. Results Auraptene treatment led to reduction in cell viability of MDA-MB-231 in a concentration-dependent manner. Also, we observed change in the number of tubes or branches formed by cells incubated with 40 and 80 μM Auraptene. Auraptene effect the gene expression of important gene related to angiogenesis (VEGF, VEGFR2, COX2, IFNɣ). Moreover, the western blot data exhibited that Auraptene effect the protein expression of VCAM-1 and TNFR-1. Conclusions Overall, this study shows that Auraptene significantly suppressed angiogenesis via down-regulation of VEGF, VEGFR2, VCAM-1, TNFR-1, COX-2 and up-regulation of IFNγ.
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.
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 | 0,000 | 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) | 0,000 | 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 découle