Evaluation of ferroptosis-based anti-leukemic activities of ZnO nanoparticles synthesized by a green route against Pre-B acute lymphoblastic leukemia cells (Nalm-6 and REH)
Notice bibliographique
Résumé
Background Our research presents an efficient and practical method for producing Zinc Oxide nanoparticles (ZnO NPs), which have anti-leukemic effects based on ferroptosis. Methods The black cardamom extract was employed as a capping and reducing agent for the green synthesis. The NPs have been characterized via scanning electron microscopy, X-ray diffraction, and Fourier-transform infrared spectroscopy. Additionally, leukemic and normal cells were exposed to ZnO NPs (25, 50, 75, 100, 150, 200, and 300 μg/mL) for 24 and 48 h. The cell vitality was then measured using the MTT test. Moreover, ferroptosis indicators were assessed via commercial testing kits, and finally, qRT-PCR and flow cytometry were used to measure gene expression and cell death. Results The findings displayed that green synthesized ZnO NPs reduced the survival of leukemic cells, with IC50 values of 150.89 μg/ml for Nalm-6 and 101.31 μg/ml for REH cells after 48 h. The ZnO NPs increased ferroptosis by significantly increasing MDA, intracellular iron, ACSL4 , ALOX15 , and p5 3 mRNA expressions while significantly decreasing GSH and GPx activity levels and SLC7A11 and GPx4 mRNA expressions. On the other hand, ZnO NPs exhibited no toxicity toward normal cells. Conclusions The research suggests that ZnO NPs synthesized using the green approach can induce ferroptosis in leukemic cells by disrupting redox homeostasis and increasing intracellular iron levels, potentially enhancing the benefits of anti-leukemic therapies in the future.
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 | 0,001 | 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 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 ».