Anticancer effect of minor phytocannabinoids in preclinical models of multiple myeloma
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
Multiple myeloma (MM) is a blood cancer caused by uncontrolled growth of clonal plasmacells. Bone disease is responsible for the severe complications of MM and is caused by myeloma cells infiltrating the bone marrow and inducing osteoclast activation. To date, no treatment for MM is truly curative since patients relapse and become refractory to all drug classes. Cannabinoids are already used as palliative in cancer patients. Furthermore, their proper anticancer effect was demonstrated in many cancer models in vitro, in vivo, and in clinical trials. Anyway, few information was reported on the effect of cannabinoids on MM and no data has been provided on minor phytocannabinoids such as cannabigerol (CBG), cannabichromene (CBC), cannabinol (CBN), and cannabidivarin (CBDV). Scientific literature also reported cannabinoids beneficial effect against bone disease. Here, we examined the cytotoxic activity of CBG, CBC, CBN, and CBDV in vitro in MM cell lines, their effect in modulating MM cells invasion toward bone cells and the bone resorption. Subsequently, according to the in vitro results, we selected CBN for in vivo study in a MM xenograft mice model. Results showed that the phytocannabinoids inhibited MM cell growth and induced necrotic cell death. Moreover, the phytocannabinoids reduced the invasion of MM cells toward osteoblast cells and bone resorption in vitro. Lastly, CBN reduced in vivo tumor mass. Together, our results suggest that CBG, CBC, CBN, and CBDV can be promising anticancer agents for MM.
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