Molecular Mechanisms behind Safranal’s Toxicity to HepG2 Cells from Dual Omics
Notice bibliographique
Résumé
The spice saffron (Crocus sativus) has anticancer activity in several human tissues, but the molecular mechanisms underlying its potential therapeutic effects are poorly understood. We investigated the impact of safranal, a small molecule secondary metabolite from saffron, on the HCC cell line HepG2 using untargeted metabolomics (HPLC–MS) and transcriptomics (RNAseq). Increases in glutathione disulfide and other biomarkers for oxidative damage contrasted with lower levels of the antioxidants biliverdin IX (139-fold decrease, p = 5.3 × 105), the ubiquinol precursor 3-4-dihydroxy-5-all-trans-decaprenylbenzoate (3-fold decrease, p = 1.9 × 10−5), and resolvin E1 (−3282-fold decrease, p = 45), which indicates sensitization to reactive oxygen species. We observed a significant increase in intracellular hypoxanthine (538-fold increase, p = 7.7 × 10−6) that may be primarily responsible for oxidative damage in HCC after safranal treatment. The accumulation of free fatty acids and other biomarkers, such as S-methyl-5′-thioadenosine, are consistent with safranal-induced mitochondrial de-uncoupling and explains the sharp increase in hypoxanthine we observed. Overall, the dual omics datasets describe routes to widespread protein destabilization and DNA damage from safranal-induced oxidative stress in HCC cells.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 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 ».