Long-circulating siRNA nanoparticles for validating Prohibitin1-targeted non-small cell lung cancer treatment
Notice bibliographique
Résumé
RNA interference (RNAi) represents a promising strategy for identification and validation of putative therapeutic targets and for treatment of a myriad of important human diseases including cancer. However, the effective systemic in vivo delivery of small interfering RNA (siRNA) to tumors remains a formidable challenge. Using a robust self-assembly strategy, we develop a unique nanoparticle (NP) platform composed of a solid polymer/cationic lipid hybrid core and a lipid-poly(ethylene glycol) (lipid-PEG) shell for systemic siRNA delivery. The new generation lipid-polymer hybrid NPs are small and uniform, and can efficiently encapsulate siRNA and control its sustained release. They exhibit long blood circulation (t1/2 ∼ 8 h), high tumor accumulation, effective gene silencing, and negligible in vivo side effects. With this RNAi NP, we delineate and validate the therapeutic role of Prohibitin1 (PHB1), a target protein that has not been systemically evaluated in vivo due to the lack of specific and effective inhibitors, in treating non-small cell lung cancer (NSCLC) as evidenced by the drastic inhibition of tumor growth upon PHB1 silencing. Human tissue microarray analysis also reveals that high PHB1 tumor expression is associated with poorer overall survival in patients with NSCLC, further suggesting PHB1 as a therapeutic target. We expect this long-circulating RNAi NP platform to be of high interest for validating potential cancer targets in vivo and for the development of new cancer therapies.
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 ».