Improved Delivery of Mcl-1 and survivin siRNA combination in breast cancer cells with additive siRNA complexes
Notice bibliographique
Résumé
Abstract This study aimed at investigating the influence of commercial transfection reagents (Prime-Fect, Leu-Fect A, and Leu-Fect C) complexed with different siRNAs (CDC20, HSP90, Mcl-1 and Survivin) in MDA-MB-436 breast cancer cells and the impact of incorporating an anionic additive, Trans-Booster, for improving in vitro gene silencing and delivery efficiency. Gene silencing was quantitatively analyzed by real-time RT-PCR while cell proliferation and siRNA uptake were evaluated by the MTT assay and flow cytometry, respectively. Amongst the investigated siRNAs and transfection reagents, Mcl-1/Prime-Fect complexes showed the highest inhibition of cell viability and most effective siRNA delivery. The effect of various formulations on transfection efficiency showed that a anionic additive with 1:1 ratio with siRNA was optimal achieving the lowest cell viability compared to untreated cells and negative control siRNA treatment (p<0.05). Furthermore, the combination of Mcl-1 and survivin siRNA suppressed the growth of MDA-MB-436 cells more effectively than treatment with the single siRNAs and resulted in a cell viability as low as ~20% (vs. non-treated cells). This aligned well with the induction of apoptosis as analyzed by flow cytometry, which revealed higher apoptotic cells with the combination treatment group. We conclude that commercial transfection reagents formulated with Mcl-1/Survivin siRNA combination could serve as a potent anti-proliferation agent in treatment of breast cancers.
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 ».