Targeted Tumor-Penetrating siRNA Nanocomplexes for Credentialing the Ovarian Cancer Oncogene <i>ID4</i>
Notice bibliographique
Résumé
The comprehensive characterization of a large number of cancer genomes will eventually lead to a compendium of genetic alterations in specific cancers. Unfortunately, the number and complexity of identified alterations complicate endeavors to identify biologically relevant mutations critical for tumor maintenance because many of these targets are not amenable to manipulation by small molecules or antibodies. RNA interference provides a direct way to study putative cancer targets; however, specific delivery of therapeutics to the tumor parenchyma remains an intractable problem. We describe a platform for the discovery and initial validation of cancer targets, composed of a systematic effort to identify amplified and essential genes in human cancer cell lines and tumors partnered with a novel modular delivery technology. We developed a tumor-penetrating nanocomplex (TPN) that comprised small interfering RNA (siRNA) complexed with a tandem tumor-penetrating and membrane-translocating peptide, which enabled the specific delivery of siRNA deep into the tumor parenchyma. We used TPN in vivo to evaluate inhibitor of DNA binding 4 (ID4) as a novel oncogene. Treatment of ovarian tumor-bearing mice with ID4-specific TPN suppressed growth of established tumors and significantly improved survival. These observations not only credential ID4 as an oncogene in 32% of high-grade ovarian cancers but also provide a framework for the identification, validation, and understanding of potential therapeutic cancer targets.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».