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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,046
Score d'incertitude au seuil0,438

Scores Codex et Gemma par catégorie

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 tête enseignante, 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