Studying the Role of Novel Carbon Nano Tubes as a Therapeutic Agent to Treat Triple Negative Breast Cancer (TNBC) - an In Vitro and In Vivo Study
Notice bibliographique
Résumé
Triple Negative Breast Cancer (TNBC) is a malignant cancer with a very high mortality rate around the world. African American(AA) women are 28% more likely to die from triple-negative breast cancer (TNBC) than white women with the same diagnosis. AA patients are also more likely to be diagnosed at a later stage of the disease and have the lowest survival rates for any stage of diagnosis; There are very few existing anti TNBC drugs with therapeutic efficacy hence newer anti TNBC drug design and investigation is needed. Carbon Nano Tubes(CNT) in recent years have shown effective anti-cancer properties in various types of cancers as reported in peer reviewed journals. Henceforth, we did an investigation to study the anticancer properties of a novel CNT in both in vitro and in vivo models of TNBC. We tested the CNT drug in vitro cytotoxicity studies on TNBC model MDA-MB-231 VIM RFP cell lines and Spheroid forming assays on the same cancer cells; we also did an in vivo study on TNBC model mice to study the therapeutic efficacy of this CNT drug in reducing the tumor load. Our initial studies showed increased cell death and reduction in spheroid numbers in the CNT treated cancer cells in comparison to control and a significant reduction in the tumor volume in the TNBC model mice than in untreated animals. Thus our initial studies have shown significant therapeutic efficacy of the novel CNT as an anti TNBC agent. Additional mechanistic studies need to be done to find out the cell death mechanisms, core canonical pathways involved, pharmacokinetic studies before translational research for this novel nanoparticle as a therapeutic agent from bench to bedside.
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) | 0,000 | 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 ».