Synergistic Anticancer Activity of HSP70 Inhibitor and Doxorubicin in Gain-of-Function Mutated p53 Breast Cancer Cells
Notice bibliographique
Résumé
Background: The mutation rate of p53 in breast cancer is around 20%. Specific p53 mutations exhibit prion-like abnormal misfolding and aggregation and gain oncogenic function, causing resistance to the chemotherapy drug doxorubicin. In this study, we identified key upstream regulatory molecules that inhibit the aggregation of p53 with the aim of increasing the anticancer effect of doxorubicin. Methods: Thioflavin T was employed as a fluorescent probe to detect prion-like protein aggregates within cells, the response to various inhibitors was evaluated using CCK8 assay, and the coefficient of drug interaction was calculated. The cell apoptosis ratio was evaluated using Caspase-3/7 based flow cytometry assay. Results: MDA-MB-231 cells (with p53 R280K mutation) and T47D cells (with p53 L194F mutation) had a strong Thioflavin T staining signal, but MDA-MB-468 cells (with p53 R273H mutation) had a weak Thioflavin T signal. Compared to MDA-MB-468 cells, which had a good response to doxorubicin, both MDA-MB-231 and T47D showed high doxorubicin drug resistance. Co-treatment with various misfolding p53 aggregation inhibitors and doxorubicin found that only the HSP70 inhibitor and doxorubicin had synergistic anticancer activity in both MDA-MB-231 and T47D cells. Furthermore, this co-treatment induced cell apoptosis in MDA-MB-231, which was reversed by a pan-caspase inhibitor. Conclusions: Doxorubicin resistance caused by specific p53 mutants can be resolved by co-treatment with a HSP70 inhibitor in breast cancer cells.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».