MétaCan
Menu
Retour à la cohorte
Enregistrement W1960475700 · doi:10.2147/ijn.s79306

Effective small interfering RNA delivery in vitro via a new stearylated cationic peptide

2015· article· en· W1960475700 sur OpenAlexafffund
Pu Chen, Baoling Chen, Pan Ran, Diana Askhatova

Notice bibliographique

RevueInternational Journal of Nanomedicine · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research Chairs
Mots-clésSmall interfering RNATransfectionLipofectamineRNARNA interferenceMolecular biologyCytotoxicityPeptideGene silencingBiochemistryCell biologyBiophysicsBiologyIn vitroChemistryGeneRecombinant DNA

Résumé

récupéré en direct d'OpenAlex

A crucial bottleneck in RNA interference-based gene therapy is the lack of safe and efficient delivery systems. Here, a novel small interfering RNA (siRNA) delivery peptide, STR-HK, was constructed by conjugating a stearyl end to the N-terminus of the peptide sequence HHHPKPKRKV, where PKPKRKV is an altered sequence of the nucleus localization signal (PKKKRKV) and contributes to the cytosol localization of STR-HK-siRNA complexes. Histidine is a linker and plays an important role in disrupting the endosomal membrane via the proton sponge effect. As expected, STR-HK formed complexes with siRNA with a particle size of 80-160 nm in diameter and efficiently delivered Cy3-labeled glyceraldehyde 3-phosphate dehydrogenase siRNA into PC-3 human prostate cancer cells. The transfection efficiency of STR-HK at molar ratio of 60/1 was comparable to that of Lipofectamine 2000, one of the most efficient commercially available transfection reagents. Furthermore, the STR-HK-siRNA complexes exhibited minimal cytotoxicity, which was significantly lower than that of Lipofectamine. Taken together, the strategy of conjugating the stearyl moiety with HHHPKPKRKV as a non-viral siRNA delivery system is advantageous.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,015
Tête enseignante GPT0,261
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations17
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of NanomedicineMême sujetRNA Interference and Gene DeliveryTravaux en français237 207