Tetrameric far‐red fluorescent protein as a scaffold to assemble an octavalent peptide nanoprobe for enhanced tumor targeting and intracellular uptake <i>in vivo</i>
Notice bibliographique
Résumé
Relatively weak tumor affinities and short retention time in vivo hinder the application of targeting peptides in tumor molecular imaging. Multi‐valent strategies based on various scaffolds have been utilized to improve the ability of peptide‐receptor binding or extend the clearance time of peptide‐based probes. Here, we use a tetrameric far‐red fluorescent protein (tfRFP) as a scaffold to create a self‐assembled octavalent peptide fluorescent nanoprobe (Octa‐FNP) using a genetic engineering approach. The multiligand connecting, fluorophore labeling and nanostructure formation of Octa‐FNP were performed in one step. In vitro studies showed Octa‐FNP is a 10‐nm fluorescent probe with excellent serum stability. Cellular uptake of Octa‐FNP by human nasopharyngeal cancer 5‐8F cells is 15‐fold of tetravalent probe, ~80‐fold of monovalent probe and ~ 600‐fold of nulvalent tfRFP. In vivo enhanced tumor targeting and intracellular uptake of Octa‐FNP were confirmed using optical imaging and Western blot analysis. It achieved extremely high contrast of Octa‐FNP signal between tumor tissue and normal organs, especially seldom Octa‐FNP detected in liver and spleen. Owing to easy preparation, precise structural and functional control, and multivalent effect, Octa‐FNP provides a powerful tool for tumor optical molecular imaging and evaluating the targeting ability of numerous peptides in vivo. —Luo, H., Yang, J., Jin, H., Huang, C, Fu, J., Yang, F., Gong, H., Zeng, S., Luo, Q., Zhang, Z. Tetrameric far‐red fluorescent protein as a scaffold to assemble an octavalent peptide nanoprobe for enhanced tumor targeting and intracellular uptake in vivo. FASEB J. 25, 1865‐1873 (2011). www.fasebj.org
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 ».