Targeting carbohydrate metabolism in colorectal cancer - synergy between DNA-damaging agents, cannabinoids, and intermittent serum starvation
Notice bibliographique
Résumé
Chemotherapy is a therapy of choice for many cancers. However, it is often inefficient for long-term patient survival and is usually accompanied by multiple adverse effects. The adverse effects are mainly associated with toxicity to normal cells, frequently resulting in immune system depression, nausea, loss of appetite and metabolic changes. In this respect, the combination of chemotherapy with cannabinoids, especially non-psychoactive, such as cannabidiol, cannabinol and other minor cannabinoids, as well as terpenes, may become very useful. This is especially pertinent because the mechanisms of anticancer effects of cannabinoids on cancer cells are often different from conventional chemotherapeutics. In addition, cannabinoids help alleviate chemotherapy-induced adverse effects, regulate sleep and appetite, and are shown to have analgesic properties. Another component for achieving potential anti-cancer synergism is regulating nutrient availability and metabolism by calorie restriction and intermittent fasting in cancer cells. As tumours require a lot of energy to grow and because glucose is constantly available, malignant cells often opt to use glucose as a primary source of ATP production through substrate-level phosphorylation (fermentation) rather than through oxidative phosphorylation. Thus, periodic depletion of cancer cells of primary fuel, glucose, could result in a strong synergy in killing cancer cells by chemo- and possibly radiotherapy when combined with cannabinoids. This commentary will discuss what is known about such combinatorial treatments, including potential mechanisms and future protocols.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| 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 ».