Biological landscape and nanostructural view in development and reversal of oxaliplatin resistance in colorectal cancer
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
The treatment of cancer patients has been mainly followed using chemotherapy and it is a gold standard in improving prognosis and survival rate of patients. Oxaliplatin (OXA) is a third-platinum anti-cancer agent that reduces DNA synthesis in cancer cells to interfere with their growth and cell cycle progression. In spite of promising results of using OXA in cancer chemotherapy, the process of drug resistance has made some challenges. OXA is commonly applied in treatment of colorectal cancer (CRC) as a malignancy of gastrointestinal tract and when CRC cells increase their proliferation and metastasis, they can obtain resistance to OXA chemotherapy. A number of molecular factors such as CHK2, SIRT1, c-Myc, LATS2 and FOXC1 have been considered as regulators of OXA response in CRC cells. The non-coding RNAs are able to function as master regulator of other molecular pathways in modulating OXA resistance. There is a close association between molecular mechanisms such as apoptosis, autophagy, glycolysis and EMT with OXA resistance, so that apoptosis inhibition, pro-survival autophagy induction and stimulation of EMT and glycolysis can induce OXA resistance in CRC cells. A number of anti-tumor compounds including astragaloside IV, resveratrol and nobiletin are able to enhance OXA sensitivity in CRC cells. Nanoparticles for increasing potential of OXA in CRC suppression and reversing OXA resistance have been employed in cancer chemotherapy. These subjects are covered in this review article to shed light on molecular factors resulting in OXA resistance.
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) | 0,001 | 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 | 0,000 |
| 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 découle