siRNA Targeting Mcl-1 Potentiates the Anticancer Activity of Andrographolide Nanosuspensions via Apoptosis in Breast Cancer Cells
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
Breast cancer is the second leading cause of cancer-related death in the US. However, recurrence is frequently found despite adjuvant therapy being available. Combination therapy with cytotoxic drugs and gene therapy is being developed to be a new promising cancer treatment strategy. Introducing substituted dithiocarbamate moieties at the C12 position of andrographolide (3nAG) could improve its anticancer selectivity in the MCF-7 breast cancer cell line. However, its hydrophobicity is one of its main drawbacks. This work successfully prepared 3nAG nanosuspension stabilized with the chitosan derivative NSC (3nAGN-NSC) to increase solubility and pharmacological effectiveness. siRNAs have emerged as a promising therapeutic alternative for interfering with particular mRNA. The 3nAGN-NSC had also induced Mcl-1 mRNA expression in MCF-7 human breast cancer cells at 8, 12, and 24 h. This indicates that, in addition to Mcl-1 silencing by siRNA (siMcl-1) in MCF-7 with substantial Mcl-1 reliance, rationally devised combination treatment may cause the death of cancer cells in breast cancer. The Fa-CI analysis showed that the combination of 3nAGN-NSC and siMcl-1 had a synergistic effect with a combination index (CI) value of 0.75 (CI < 1 indicating synergistic effects) at the fractional inhibition of Fa 0.7. The synergistic effect was validated by flow cytometry, with the induction of apoptosis as the mechanism of reduced cell viability. Our findings suggested the rational use of 3nAGN-NSC in combination with siMcl-1 to kill breast cancer 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.
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 | 0,001 |
| 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 découle