Optimization of Ultrasound-mediated Anti-angiogenic Cancer Gene Therapy
Notice bibliographique
Résumé
Ultrasound-targeted microbubble destruction (UTMD) can be used to deliver silencing gene therapy to tumors. We hypothesized that UTMD would be effective in suppressing angiogenesis within tumors, and that modulation of the ultrasound pulsing intervals (PI) during UTMD would affect the magnitude of target knockdown. We performed UTMD of vascular endothelial growth factor receptor-2 (VEGFR2) short hairpin (sh)RNA plasmid in an heterotopic mammary adenocarcinoma model in rats, evaluating PIs of 2, 5, 10, and 20 seconds. We demonstrated that UTMD with a PI of 10 seconds resulted in the greatest knockdown of VEGFR2 by PCR, immunostaining, western blotting, smaller tumor volumes and perfused areas, and lower tumor microvascular blood volume (MBV) and flow by contrast-enhanced ultrasound (CEU) compared with UTMD-treated tumors at 2, 5, and 20 seconds, control tumors, tumors treated with intravenous shRNA plasmid and scrambled plasmid. CEU perfusion assessment using the therapeutic probe demonstrated that tumors were fully replenished with microbubbles within 10 seconds, but incompletely replenished at PI-2 and PI-5 seconds. In conclusion, for anti-VEGFR2 cancer gene therapy by UTMD, PI of 10 seconds results in higher target knockdown and a greater anti-angiogenic effect. Complete replenishment of tumor vasculature with silencing gene-bearing microbubbles in between destructive pulses of UTMD is required to maximize the efficacy of anti-angiogenic cancer gene therapy.Molecular Therapy - Nucleic Acids (2013) 2, e94; doi:10.1038/mtna.2013.20; published online 21 May 2013.
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 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».