Investigating the specific uptake of EGF-conjugated nanoparticles in lung cancer cells using fluorescence imaging
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
Targeted nanoparticles have the potential to deliver a large drug payload specifically to cancer cells. Targeting requires that a ligand on the nanoparticle surface interact with a specific membrane receptor on target cells. However, the contribution of the targeting ligand to nanoparticle delivery is often influenced by non-specific nanoparticle uptake or secondary targeting mechanisms. In this study, we investigate the epidermal growth factor (EGF) receptor-targeting specificity of a nanoparticle by dual-color fluorescent labeling. The targeted nanoparticle was a fluorescently labeled, EGF-conjugated HDL-like peptide-phospholipid scaffold (HPPS) and the cell lines expressed EGF receptor linked with green fluorescent protein (EGFR-GFP). Using LDLA7 cells partially expressing EGFR-GFP, fluorescence imaging demonstrated the co-internalization of EGFR-GFP and EGF-HPPS, thus validating its targeting specificity. Furthermore, specific EGFR-mediated uptake of the EGF-HPPS nanoparticle was confirmed using human non-small cell lung cancer A549 cells. Subsequent confocal microscopy and flow cytometry studies delineated how secondary targeting mechanisms affected the EGFR targeting. Together, this study confirms the EGFR targeting of EGF-HPPS in lung cancer cells and provides insight on the potential influence of unintended targets on the desired ligand-receptor interaction.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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