Development of Peritoneal Tumor-Targeting Vector by In Vivo Screening with a Random Peptide-Displaying Adenovirus Library
Notice bibliographique
Résumé
The targeting of gene transfer at the cell-entry level is one of the most attractive challenges in vector development. However, attempts to redirect adenovirus vectors to alternative receptors by engineering the capsid-coding region have shown limited success, because the proper targeting ligands on the cells of interest are generally unknown. To overcome this limitation, we have constructed a random peptide library displayed on the adenoviral fiber knob, and have successfully selected targeted vectors by screening the library on cancer cell lines in vitro. The infection of targeted vectors was considered to be mediated by specific receptors on target cells. However, the expression levels and kinds of cell surface receptors may be substantially different between in vitro culture and in vivo tumor tissue. Here, we screened the peptide display-adenovirus library in the peritoneal dissemination model of AsPC-1 pancreatic cancer cells. The vector displaying a selected peptide (PFWSGAV) showed higher infectivity in the AsPC-1 peritoneal tumors but not in organs and other peritoneal tumors as compared with a non-targeted vector. Furthermore, the infectivity of the PFWSGAV-displaying vector for AsPC-1 peritoneal tumors was significantly higher than that of a vector displaying a peptide selected by in vitro screening, indicating the usefulness of in vivo screening in exploring the targeting vectors. This vector-screening system can facilitate the development of targeted adenovirus vectors for a variety of applications in medicine.
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 ».