Computational development of mushroom-6-glucan/paclitaxel as a synergistic complementary medicine for breast cancer therapy
Notice bibliographique
Résumé
Abstract Background Breast cancer is chemo-resistant and highly metastatic, often resulting in patient mortality. One of the primary factors contributing to the metastasis and chemotherapy resistance is the presence of cancer stem-like cells. We posited that the natural polysaccharide known as 6-glucans, derived from Pleurotus ostreatus, could effectively counteract the chemotherapy resistance associated with cancer stem-like cells in breast cancer. Methods We computationally developed a specific dual combinatorial therapy involving 6-glucans and Paclitaxel (PTX) and tested on preclinical 3D mammosphere human tumor models representing receptor-positive and receptor-negative breast cancer. Using this preclinical 3D spheroid technology, we tested the anti-cancer properties of these predicted treatment combinations on mammospheres containing human breast cancer stem cells. Results Among the 40 distinct combinations examined, computational prediction revealed that the addition of 2.0 mg/mL of 6-glucans to a low dose of 3.0 µg/mL PTX was the sole combination demonstrating a synergistic effect. This optimized synergistic combination therapy displayed a significant inhibitory impact on human cancer epithelial and stem cell migration, evasion, and colony formation. The inclusion of 6-glucans also augmented apoptosis in both breast cancer cells and stem cells, leading to a six-fold reduction in BrdU labeled cells and an increased arrest of cells in the sub-G0 phase. These effects were mediated through mitochondrial dysfunction and the downregulation of associated oncogenes. Conclusion Our study revealed that the computationally predicted 6-glucans-based binary complementary medicine exhibited sequence- and concentration-dependent anticancer synergistic effects.
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) | 0,744 | 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 ».