Lipid nanoparticle siRNA systems for silencing the androgen receptor in human prostate cancer <i>in vivo</i>
Notice bibliographique
Résumé
The androgen receptor (AR) plays a critical role in the progression of prostate cancer. Silencing this protein using short-hairpin RNA (shRNA) has been correlated with tumor growth inhibition and decreases in serum prostate specific antigen (PSA). In our study, we have investigated the ability of lipid nanoparticle (LNP) formulations of small-interfering RNA (siRNA) to silence AR in human prostate tumor cell lines in vitro and in LNCaP xenograft tumors following intravenous (i.v.) injection. In vitro screening studies using a panel of cationic lipids showed that LNPs containing the ionizable cationic lipid 2,2-dilinoleyl-4-(2-dimethylaminoethyl)-[1,3]-dioxolane (DLin-KC2-DMA) exhibited the most potent AR silencing effects in LNCaP cells. This is attributed to an optimized ability of DLin-KC2-DMA-containing LNP to be taken up into cells and to release the siRNA into the cell cytoplasm following endocytotic uptake. DLin-KC2-DMA LNPs were also effective in silencing the AR in a wild-type AR expressing cell line, LAPC-4, and a variant AR expressing cell line, CWR22Rv1. Importantly, it is demonstrated that LNP AR-siRNA systems containing DLin-KC2-DMA can silence AR gene expression in distal LNCaP xenograft tumors and decrease serum PSA levels following i.v. injection. To our knowledge, this is the first report demonstrating the feasibility of LNP delivery of siRNA for silencing AR gene expression in vivo.
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) | 0,000 | 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 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 ».