A high-throughput screening approach to discover potential colorectal cancer chemotherapeutics: Repurposing drugs to disrupt 14-3-3 protein-BAD interactions
Notice bibliographique
Résumé
Abstract Inducing apoptosis in different types of cancer cells is an effective therapeutic strategy. However, the success of existing chemotherapeutics can be compromised by tumor cell resistance and systemic off-target effects. Therefore, the discovery of pro-apoptotic compounds with minimal systemic side-effects is crucial. 14-3-3 proteins are molecular scaffolds that serve as important regulators of cell survival. Our previous study demonstrated that 14-3-3ζ can sequester BAD, a pro-apoptotic member of the BCL-2 protein family, in the cytoplasm and prevent its translocation to mitochondria to inhibit the induction of apoptosis. Despite being a critical mechanism of cell survival, it is unclear whether disrupting 14-3-3 protein:BAD interactions could be harnessed as a chemotherapeutic approach. Herein, we established a BRET-based high-throughput drug screening approach (Z’-score= 0.52) capable of identifying molecules that can disrupt 14-3-3ζBAD interactions. An FDA-approved drug library containing 1971 compounds was used for screening, and the capacity of identified hits to induce cell death was examined in NIH3T3-fibroblasts and colorectal cancer cell lines, HT-29 and Caco-2. Our in vitro results suggest that terfenadine, penfluridol, and lomitapide could be potentially repurposed for treating colorectal cancer. Moreover, our screening method demonstrates the feasibility of identifying pro-apoptotic agents that can be applied towards conditions where aberrant cell growth or function are key determinants of disease pathogenesis.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 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 ».