High-content analysis identified synergistic drug interactions between INK128, an mTOR inhibitor, and HDAC inhibitors in a non-small cell lung cancer cell line
Notice bibliographique
Résumé
BACKGROUND: The development of drug resistance is a major cause of cancer therapy failures. To inhibit drug resistance, multiple drugs are often treated together as a combinatorial therapy. In particular, synergistic drug combinations, which kill cancer cells at a lower concentration, guarantee a better prognosis and fewer side effects in cancer patients. Many studies have sought out synergistic combinations by small-scale function-based targeted growth assays or large-scale nontargeted growth assays, but their discoveries are always challenging due to technical problems such as a large number of possible test combinations. METHODS: To address this issue, we carried out a medium-scale optical drug synergy screening in a non-small cell lung cancer cell line and further investigated individual drug interactions in combination drug responses by high-content image analysis. Optical high-content analysis of cellular responses has recently attracted much interest in the field of drug discovery, functional genomics, and toxicology. Here, we adopted a similar approach to study combinatorial drug responses. RESULTS: By examining all possible combinations of 12 drug compounds in 6 different drug classes, such as mTOR inhibitors, HDAC inhibitors, HSP90 inhibitors, MT inhibitors, DNA inhibitors, and proteasome inhibitors, we successfully identified synergism between INK128, an mTOR inhibitor, and HDAC inhibitors, which has also been reported elsewhere. Our high-content analysis further showed that HDAC inhibitors, HSP90 inhibitors, and proteasome inhibitors played a dominant role in combinatorial drug responses when they were mixed with MT inhibitors, DNA inhibitors, or mTOR inhibitors, suggesting that recessive drugs could be less prioritized as components of multidrug cocktails. CONCLUSIONS: In conclusion, our optical drug screening platform efficiently identified synergistic drug combinations in a non-small cell lung cancer cell line, and our high-content analysis further revealed how individual drugs in the drug mix interact with each other to generate combinatorial drug response.
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 | 0,001 |
| 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 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 ».