Layer-by-Layer Assembled Antisense DNA Microsponge Particles for Efficient Delivery of Cancer Therapeutics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Antisense oligonucleotides can be employed as a potential approach to effectively treat cancer. However, the inherent instability and inefficient systemic delivery methods for antisense therapeutics remain major challenges to their clinical application. Here, we present a polymerized oligonucleotides (ODNs) that self-assemble during their formation through an enzymatic elongation method (rolling circle replication) to generate a composite nucleic acid/magnesium pyrophosphate sponge-like microstructure, or DNA microsponge, yielding high molecular weight nucleic acid product. In addition, this densely packed ODN microsponge structure can be further condensed to generate polyelectrolyte complexes with a favorable size for cellular uptake by displacing magnesium pyrophosphate crystals from the microsponge structure. Additional layers are applied to generate a blood-stable and multifunctional nanoparticle via the layer-by-layer (LbL) assembly technique. By taking advantage of DNA nanotechnology and LbL assembly, functionalized DNA nanostructures were utilized to provide extremely high numbers of repeated ODN copies for efficient antisense therapy. Moreover, we show that this formulation significantly improves nucleic acid drug/carrier stability during in vivo biodistribution. These polymeric ODN systems can be designed to serve as a potent means of delivering stable and large quantities of ODN therapeutics systemically for cancer treatment to tumor cells at significantly lower toxicity than traditional synthetic vectors, thus enabling a therapeutic window suitable for clinical translation.
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.
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 découle