MétaCan
Menu
Retour à la cohorte
Enregistrement W33849950 · doi:10.1096/fasebj.24.1_supplement.lb257

Zinc increased the sensitivity of HepG2 and AML12 cells towards retinoic acid‐mediated growth inhibition

2010· article· en· W33849950 sur OpenAlexaff
Deanna Ibbitson, Zhaoming Xu

Notice bibliographique

RevueThe FASEB Journal · 2010
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRetinoic acidZincRetinoic acid receptorCell growthRetinoidChemistryTretinoinCell cycleCellBiochemistryBiologyInternal medicineMedicine

Résumé

récupéré en direct d'OpenAlex

Retinoic acid has been shown to reduce cell growth by interrupting cell cycle. This effect of retinoic acid involves retinoic acid receptor and retinoid X receptor, two zinc‐finger proteins. We hypothesized that the sensitivity of cells towards retinoic acid‐mediated growth inhibition can be modulated by zinc status. To test this hypothesis, hepatoma HepG2 cells were cultured in a low‐zinc media supplemented with 0 (low‐zinc group), 5 (adequate‐zinc group), and 10 (zinc‐supplemented group) μM of zinc followed by treating the cells with retinoic acid at 0 and 35 μM. Culturing the cells in the low‐zinc media depleted the labile intracellular pool of zinc by 86% while the total cellular zinc concentration was reduced by 28%. Treating the cells with retinoic acid reduced cell proliferation in the low‐zinc, adequate‐zinc, and zinc‐supplemented group by 36, 49, and 55%, respectively. Cell cycle analysis showed that retinoic acid treatment reduced the number of cells in the S‐phase in the adequate‐zinc and zinc‐supplemented groups by 27% compared to the low‐zinc group. Similar effects were obtained in normal hepatocyte AML12 cells using the same treatment regime. Collectively, these results suggested that zinc supplementation sensitized HepG2 and AML12 cells towards retinoic acid‐mediated growth inhibition. Supported by the Vitamin Research Fund .

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 enseignants0,006
Score d'incertitude au seuil0,013

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,012
Tête enseignante GPT0,255
Écart entre enseignants0,242 · 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

Citations0
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetTrace Elements in HealthTravaux en français237 207