Novel dimeric DOTA-coupled peptidic Y1-receptor antagonists for targeting of neuropeptide Y receptor-expressing cancers
Notice bibliographique
Résumé
BACKGROUND: Several peptide hormone receptors were identified that are specifically over-expressed on the cell surface of certain human tumors. For example, high incidence and density of the Y1 subtype of neuropeptide Y (NPY) receptors are found in breast tumors. Recently, we demonstrated that the use of potent radiolabeled somatostatin or bombesin receptor antagonists considerably improved the sensitivity of in vivo imaging when compared to agonists. We report here on the first DOTA-coupled peptidic Y1 receptor affine dimer antagonists. METHODS: Based on a Y1 affine dimeric peptide scaffold previously reported to competitively antagonize NPY-mediated processes, we have developed new dimeric DOTA-coupled Y1 receptor affine antagonists for scintigraphy and radiotherapy. These dimeric peptides were tested for their specific binding to Y1 expressed in SK-N-MC cells and Y2 expressed in SH-SY5Y as well as for their ability to mediate cAMP production in SK-N-MC cells. RESULTS: Introduction of two DOTA moieties at the N-termini of the dimeric NPY analogs as well as the double Asn29 replacement by Dpr(DOTA) or Lys(DOTA) (6 and 10) moiety dramatically reduced binding affinity. However, asymmetric introduction of the DOTA moiety in one segment of the peptidic heterodimer (8 and 11) resulted in suitable antagonists for receptor targeting with high binding affinity for Y1. All compounds were devoid of Y2 binding affinity. CONCLUSIONS: The design and the in vitro characterization of the first DOTA-coupled dimeric NPY receptor antagonist with high affinity and selectivity for Y1 over Y2 are described. This compound may be an excellent candidate for the imaging of Y1-positive tumors and their treatment.
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 | 0,001 | 0,002 |
| 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 | 0,001 | 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) | 0,001 | 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 ».