Nanoparticles Targeted With NGR Motif Deliver c-myc siRNA and Doxorubicin for Anticancer Therapy
Notice bibliographique
Résumé
We have designed a PEGylated LPD (liposome-polycation-DNA) nanoparticle for systemic, specific, and efficient delivery of small interfering RNA (siRNA) into solid tumors in mice by modification with NGR (aspargine-glycine-arginine) peptide, targeting aminopeptidase N (CD13) expressed in the tumor cells or tumor vascular endothelium. LPD-PEG-NGR efficiently delivered siRNA to the cytoplasm and downregulated the target gene in the HT-1080 cells but not CD13(-) HT-29 cells, whereas nanoparticles containing a control peptide, LPD-PEG-ARA, showed only little siRNA uptake and gene silencing activity. LPD-PEG-NGR efficiently delivered siRNA into the cytoplasm of HT-1080 xenograft tumor 4 hours after intravenous injection. Three daily injections (1.2 mg/kg) of c-myc siRNA formulated in the LPD-PEG-NGR effectively suppressed c-myc expression and triggered cellular apoptosis in the tumor, resulting in a partial tumor growth inhibition. When doxorubicin (DOX) and siRNA were co-formulated in LPD-PEG-NGR, an enhanced therapeutic effect was observed.
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) | 0,000 | 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 ».