Targeting B16 tumors<i>in vivo</i>with peptide-conjugated gold nanoparticles
Notice bibliographique
Résumé
This study examines the effects of polyethylene glycol (PEG) and peptide conjugation on the biodistribution of ultrasmall (2.7 nm) gold nanoparticles in mice bearing B16 melanoma allografts. Nanoparticles were delivered intravenously, and biodistribution was measured at specific timepoints by organ digestion and inductively coupled plasma mass spectrometry. All major organs were examined. Two peptides were tested: the cyclic RGD peptide (cRGD, which targets integrins); and a recently described peptide derived from the myxoma virus. We found the greatest specific tumor delivery using the myxoma peptide, with or without PEGylation. Un-PEGylated cRGD performed poorly, but PEGylated RGD showed a significant transient collection in the tumor. Liver and kidney were the primary targets of all constructs. None of the particles were able to cross the blood-brain barrier. Although it was able to deliver Au to B16 cells, the myxoma peptide did not show any cytotoxic activity against these cells, in contrast to previous reports. These results indicate that the effect of passive targeting by PEGylation and active targeting by peptides can be independent or combined, and that they should be evaluated on a case-by-case basis when designing new nanosystems for targeted therapies. Both myxoma peptide and cRGD should be considered for specific targeting to melanoma, but a thorough investigation of the cytotoxicity of the myxoma peptide to different cell lines remains to be performed.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 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 ».