Tumoroid Model Reveals Synergistic Impairment of Metabolism by Iron Chelators and Temozolomide in Chemo‐Resistant Patient‐derived Glioblastoma Cells
Notice bibliographique
Résumé
Chemoresistance poses a significant clinical challenge in managing glioblastoma (GBM), limiting the long-term success of traditional treatments. Here, a 3D tumoroid model is used to investigate the metabolic sensitivity of temozolomide (TMZ)-resistant GBM cells to iron chelation by deferoxamine (DFO) and deferiprone (DFP). This work shows that TMZ-resistant GBM cells acquire stem-like characteristics, higher intracellular iron levels, higher expression of aconitase, and elevated reliance on oxidative phosphorylation and proteins associated with iron metabolism. Using a microphysiological model of GBM-on-a-chip consisting of extracellular matrix (ECM)-incorporated tumoroids, this work demonstrates that the combination of iron chelators with TMZ induces a synergistic effect on an in vitro tumoroid model of newly diagnosed and recurrent chemo-resistant patient-derived GBM and reduced their size and invasion. Investigating downstream metabolic variations reveal reduced intracellular iron, increased reactive oxygen species (ROS), upregulated hypoxia-inducible factor-1α, reduced viability, increased autophagy, upregulated ribonucleotide reductase (RRM2), arrested proliferation, and induced cell death in normoxic TMZ-resistant cells. Hypoxic cells, while showing similar results, display reduced responses to iron deficiency, less blebbing, and an induced autophagic flux, suggesting an adaptive mechanism associated with hypoxia. These findings show that co-treatment with iron chelators and TMZ induces a synergistic effect, making this combination a promising GBM therapy.
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 | 0,001 |
| 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 ».