Human Neural Stem Cell Tropism to Metastatic Breast Cancer
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Metastasis to multiple organs is the primary cause of mortality in breast cancer patients. The poor prognosis for patients with metastatic breast cancer and toxic side effects of currently available treatments necessitate the development of effective tumor-selective therapies. Neural stem cells (NSCs) possess inherent tumor tropic properties that enable them to overcome many obstacles of drug delivery that limit effective chemotherapy strategies for breast cancer. We report that increased NSC tropism to breast tumor cell lines is strongly correlated with the invasiveness of cancer cells. Interleukin 6 (IL-6) was identified as a major cytokine mediating NSC tropism to invasive breast cancer cells. We show for the first time in a preclinical mouse model of metastatic human breast cancer that NSCs preferentially target tumor metastases in multiple organs, including liver, lung, lymph nodes, and femur, versus the primary intramammary fat pad tumor. For proof-of-concept of stem cell-mediated breast cancer therapy, NSCs were genetically modified to secrete rabbit carboxylesterase (rCE), an enzyme that activates the CPT-11 prodrug to SN-38, a potent topoisomerase I inhibitor, to effect tumor-localized chemotherapy. In vitro data demonstrate that exposure of breast cancer cells to conditioned media from rCE-secreting NSCs (NSC.rCE) increased their sensitivity to CPT-11 by 200-fold. In vivo, treatment of tumor-bearing mice with NSC.rCE cells in combination with CPT-11 resulted in reduction of metastatic tumor burden in lung and lymph nodes. These data suggest that NSC-mediated enzyme/prodrug therapy may be more effective and less toxic than currently available chemotherapy strategies for breast cancer metastases.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| 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 découle