HDL‐Mimicking Peptide–Lipid Nanoparticles with Improved Tumor Targeting
Notice bibliographique
Résumé
Targeted delivery of intracellularly active diagnostics and therapeutics in vivo is a major challenge in cancer nanomedicine. A nanocarrier should possess long circulation time yet be small and stable enough to freely navigate through interstitial space to deliver its cargo to targeted cells. Herein, it is shown that by adding targeting ligands to nanoparticles that mimic high-density lipoprotein (HDL), tumor-targeted sub-30-nm peptide-lipid nanocarriers are created with controllable size, cargo loading, and shielding properties. The size of the nanocarrier is tunable between 10 and 30 nm, which correlates with a payload of 15-100 molecules of fluorescent dye. Ligand-directed nanocarriers targeting epidermal growth factor receptor (EGFR) are confirmed both in vitro and in vivo. The nanocarriers show favorable circulation time, tumor accumulation, and biodistribution with or without the targeting ligand. The EGFR targeting ligand is proved to be essential for the EGFR-mediated tumor cell uptake of the nanocarriers, a prerequisite of intracellular delivery. The results demonstrate that targeted HDL-mimetic nanocarriers are useful delivery vehicles that could open new avenues for the development of clinically viable targeted nanomedicine.
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) | 0,001 | 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 ».