Anticancer Effect of Medicinal Mushroom Extract on Renal Cell Carcinoma: Alternative Therapeutic Implication
Notice bibliographique
Résumé
Background: To investigate if medicinal Poria mushroom extract (PE) would be a potential therapeutic agent against renal cell carcinoma (RCC) as it has been shown to have anticancer/antitumor activity with few side effects. We examined its anticancer effect on RCC as well as its potential anticancer mechanism in vitro . Methods: Anticancer effect of PE was first assessed by the dose-dependent effects (0 - 200 µg/mL) on human RCC, ACHN cells. Its anticancer mechanism was then explored focusing on specific biochemical and molecular parameters Results: PE concentrations >= 100 µg/mL led to 50-90% reduction in cell viability, accompanied by a significant decrease in hexokinase activity and cellular adenosine triphosphate (ATP) level, implying the inhibition of glycolysis. The key metabolic regulators, adenosine monophosphate (AMP)-activated protein kinase (AMPK), protein kinase B (Akt), and mammalian target of rapamycin (mTOR), were specifically modulated by PE. These results were indicative of subsequent growth cessation and cell death. Cell cycle analysis also revealed a G 1 cell cycle arrest and the upregulation of activating transcription factor 4 (ATF4), C/EBP homologous protein (CHOP), and glucose-regulated protein 78 (GRP78), indicated induction of endoplasmic reticulum (ER) stress. Ultimately, such ER stress led to apoptosis, evidenced by proteolytic activation of caspase-3 (Csp-3) and poly-ADP ribose polymerase (PARP). Conclusions: PE has anticancer effect on ACHN cells, resulting in the significant reduction in cell viability. Its anticancer mechanism appears to be linked to glycolysis inhibition, modulations of metabolic pathways, and ER stress-induced apoptosis. World J Nephrol Urol. 2022;11(1):1-9 doi: https://doi.org/10.14740/wjnu433
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».