Cyproheptadine inhibits in vitro and in vivo lung metastasis and drives metabolic rewiring
Notice bibliographique
Résumé
BACKGROUND: Non-small cell lung cancer (NSCLC) accounts for 81% of lung cancer cases, among which over 47% presented with distant metastasis at the time of diagnosis. Despite the introduction of targeted therapy and immunotherapy, enhancing the survival rate and overcoming the development of resistance remain a big challenge. Thus, it is crucial to find potential new therapeutics and targets that can mitigate lung metastasis and investigate its effects on biomarkers, such as cellular metabolomics. In the current study, we investigated the role of cyproheptadine (CPH), an FDA-approved anti-histamine drug in lung metastasis in vitro and in vivo. METHODS AND RESULTS: CPH showed potent cytotoxicity on different lung cancer cell lines in vitro. Moreover, CPH decreased invasion and migration of LLC1 and A549 cells in Matrigel invasion transwell and plate scratch assays. The in vivo LLC1 syngeneic lung cancer model found decreased number of metastatic nodules on the surface of lungs of Setd7 KO mice compared to SETD7 WT. CPH treatment resulted in decreased growth of LLC1 subcutaneous tumors compared to untreated SETD7 WT. Finally, metabolomic study of tumor tissues showed rewiring of metabolomic pathways and downregulation of amino acids, such as arginine, serine, and glycine) in Setd7 KO and WT treated with CPH compared to untreated Setd7 WT mice. CONCLUSION: These findings identify CPH as a potential therapeutic agent to block metastasis in advanced NSCLC and suggest SETD7 as a potential target for the prevention of lung metastasis.
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 | 0,000 |
| 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 ».