Revealing Novel Source of Breast Cancer Inhibitors from Seagrass Enhalus acoroides: In Silico and In Vitro Studies
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
Enhalus arcoides is a highly beneficial type of seagrass. Prior studies have presented proof of the bioactivity of E. acoroides, suggesting its potential to combat cancer. Therefore, this study aims to delve deeper into E. acoroides bioactive molecule profiles and their direct biological anticancer activities potentials through the combination of in-silico and in-vitro studies. This study conducted metabolite profile analysis on E. acoroides utilizing HPLC-ESI-HRMS/MS analysis. Two extraction techniques, ethanol and hexane, were employed for the extraction process. Furthermore, the in-silico study was conducted using molecular docking simulations on the HER2, EGFR tyrosine kinase and HIF-1α protein receptor. Afterward, the antioxidant activity of E. acoroides metabolites was examined to ABTS, and the antiproliferative activity was tested using an MTT assay. An in-silico study revealed its ability to combat breast cancer by inhibiting the HER2/EGFR/HIF-1α pathway through molecular docking. In addition, the MTT assay demonstrated that higher dosages of metabolites from E. acoroides increased the effectiveness of toxicity against cancer cell lines. Additionally, the study demonstrated that the metabolites possess the ability to function as potent antioxidants, effectively inhibiting a series of carcinogenic mechanisms. Ultimately, this study showed a new approach to unveiling the E. acoroides metabolites’ anticancer activity through inhibiting HER2/EGFR/HIF-1α receptors, with great cytotoxicity and a potent antioxidant property to prevent a carcinogenic cascade.
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 | 0,000 |
| 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