Impact pharmacologique de la quercétine et interrelations entre la transition épithélio-mésenchymateuse, la sénescence cellulaire et la fibrose induites par le TGFß dans un modèle de cancer du sein triple négatif
Bibliographic record
Abstract
Le cancer du sein est l’un des cancers le plus commun chez la femme, à travers le monde depuis les années 1980 selon le CIRC. Parmi les différents types de cancer du sein, le triple-négatif est le plus agressif, avec aucun traitement ciblé et un taux de récidive très élevé. À la suite, de plusieurs séances de différents types de thérapie, un environnement pro-inflammatoire se crée et entraine l’apparition de fibrose. Cet environnement est, entre autres, induite par la voie de signalisation du TGFβ. Or, un produit naturel nommé quercétine serait capable d’inhiber l’action du TGFβ. Notre hypothèse est que la quercétine pourrait réduire les effets pro-inflammatoires du TGFβ et du même coup, l’apparition de fibrose dans le cancer du sein triple négatif. Pour ce faire, nous avons utilisé le modèle cellulaire, appelé MDA-MB231 qui provient d’un prélèvement de tissus du sein humains atteints par un adénocarcinome. Nous avons donc induit un environnement pro-inflammatoire dans ces cellules, par l’ajout de TGFβ. Puis, nous avons traités les cellules avec de la quercétine afin d’étudier son effet sur les mécanismes d’action médiés par le TGFβ. Nous avons évalué plusieurs aspects dont la fibrogénèse, la sénescence, la transition épithélio-mésenchymateuse (TEM) et la migration cellulaire. Nous avons constaté que la migration cellulaire des MDA-MB231 était dose-dépendante du TGFβ et que la quercétine inhibait de manière significative cette chimiotaxie. Nous avons pu observer que le TGFβ entrainait une augmentation de la phosphorylation de la protéine SMAD, impliquée dans la production de protéines pro-inflammatoires, essentielles pour la formation de fibrose. Il augmentait également l’expression de plusieurs gènes, soient SNAIL, Fibronectine (FN) et EGFR, impliqués dans la sénescence cellulaire, la fibrose et la TEM. Donc, le TGFβ jouerait un rôle dans l’activation des protéines SMAD, ainsi que dans la transcription de gènes clés tels SNAIL, FN et EGFR, tous impliqués dans la fibrogénèse, la sénescence, la progression, l’invasion et la métastase. Par ailleurs, nous avons pu aussi observer que la quercétine inhibait l’expression de ces mêmes protéines. D’une part, ces résultats suggèrent que la quercétine est capable d’inhiber les effets du TGFβ, via plusieurs voies de signalisation. D’autre part, ces résultats documentent pour la première fois, des effets anti- inflammatoire et anti-fibrotique de la quercétine dans un modèle de cancer du sein. Donc, une alimentation plus riche en quercétine pourrait avoir des effets hautement bénéfiques lors d’une prévention anti-cancéreuse.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".