PEGylated liposomal Gemcitabine: insights into a potential breast cancer therapeutic
Notice bibliographique
Résumé
PURPOSE: Nanoencapsulation of chemotherapeutics is an established method to target breast tumors and has been shown to enhance the efficacy of therapy in various animal models. During the past two decades, the nucleoside analog Gemcitabine has been under investigation to treat both recalcitrant and localized breast cancer, often in combination with other chemotherapeutics. In this study, we investigated the chemotherapeutic efficacy of a novel Gemcitabine-encapsulated liposome previously formulated by our group, GemPo, on both sensitive (4T1) and recalcitrant (MDA-MB-231) breast cancer cell lines. METHODS: Gemcitabine free drug and liposomal Gemcitabine were compared both in vitro and in vivo using breast cancer models. RESULTS: We demonstrated that GemPo differently hindered the growth, survival and migration of breast cancer cells, according to their drug sensitivities. Specifically, whereas GemPo was a more potent cytotoxic and apoptotic agent in sensitive breast cancer cells, it more potently inhibited cell migration in the resistant cell line. However, GemPo still acted as a more potent inhibitor of migration, in comparison with free Gemcitabine, irrespective of cell sensitivity. Administration of GemPo in a 4T1-bearing mouse model inhibited tumor growth while increasing mice survival, as compared with free Gemcitabine and a vehicle control. Interestingly, the inclusion of a mitotic inhibitor, Paclitaxel, synergized only with free Gemcitabine in this model, yet was as effective as GemPo alone. However, inclusion of Paclitaxel with GemPo significantly improved mouse survival. CONCLUSIONS: Our study is the first to demonstrate the pleiotropic effects of Gemcitabine and Gemcitabine-loaded nanoparticles in breast cancer, and opens the door for a novel treatment for breast cancer patients.
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 | 0,001 |
| 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 ».