The Lipid Metabolism as Target and Modulator of BOLD‐100 Anticancer Activity: Crosstalk with Histone Acetylation
Notice bibliographique
Résumé
The leading first-in-class ruthenium-complex BOLD-100 currently undergoes clinical phase-II anticancer evaluation. Recently, BOLD-100 is identified as anti-Warburg compound. The present study shows that also deregulated lipid metabolism parameters characterize acquired BOLD-100-resistant colon and pancreatic carcinoma cells. Acute BOLD-100 treatment reduces lipid droplet contents of BOLD-100-sensitive but not -resistant cells. Despite enhanced glycolysis fueling lipid accumulation, BOLD-100-resistant cells reveal diminished lactate secretion based on monocarboxylate transporter 1 (MCT1) loss mediated by a frame-shift mutation in the MCT1 chaperone basigin. Glycolysis and lipid catabolism converge in the production of protein/histone acetylation substrate acetyl-coenzymeA (CoA). Mass spectrometric and nuclear magnetic resonance analyses uncover spontaneous cell-free BOLD-100-CoA adduct formation suggesting acetyl-CoA depletion as mechanism bridging BOLD-100-induced lipid metabolism alterations and histone acetylation-mediated gene expression deregulation. Indeed, BOLD-100 treatment decreases histone acetylation selectively in sensitive cells. Pharmacological targeting confirms histone de-acetylation as central mode-of-action of BOLD-100 and metabolic programs stabilizing histone acetylation as relevant Achilles' heel of acquired BOLD-100-resistant cell and xenograft models. Accordingly, histone gene expression changes also predict intrinsic BOLD-100 responsiveness. Summarizing, BOLD-100 is identified as epigenetically active substance acting via targeting several onco-metabolic pathways. Identification of the lipid metabolism as driver of acquired BOLD-100 resistance opens novel strategies to tackle therapy failure.
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 | 0,000 | 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 | 0,001 |
| 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) | 0,000 | 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 ».