Peptide Arrays for Screening Cancer Specific Peptides
Notice bibliographique
Résumé
In this paper, we describe a novel method to screen peptides for specific recognition by cancer cells. Seventy peptides were synthesized on a cellulose membrane in an array format, and a direct method to study the peptide-whole cell interaction was developed. The relative binding affinity of the cells for different peptides with respect to a lead 12-mer p160 peptide, identified by phage display, was evaluated using the CyQUANT fluorescence of the bound cells. Screening allowed identification of at least five new peptides that displayed higher affinity (up to 3-fold) for MDA-MB-435 and MCF-7 human cancer cells compared to the p160 peptide. These peptides showed very little binding to the control (noncancerous) human umbilical vein endothelial cells (HUVECs). Three of these peptides were synthesized separately and labeled with fluorescein isothiocyanate (FITC) to study their uptake and interaction with the cancer and control cells using confocal laser scanning microscopy and flow cytometry. The results confirmed the high and specific affinity of an 11-mer peptide 11 (RGDPAYQGRFL) and a 10-mer peptide 18 (WXEAAYQRFL) for the cancer cells versus HUVECs. Peptide 11 binds different receptors on target cancer cells as its sequence contains multiple recognition motifs, whereas peptide 18 binds mainly to the putative p160 receptor. The peptide array-whole cell binding assay reported here is a complementary method to phage display for further screening and optimization of cancer targeting peptides for cancer therapy and diagnosis.
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 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».