NGR Peptide Ligands for Targeting CD13/APN Identified through Peptide Array Screening Resemble Fibronectin Sequences
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
Peptides containing the Asn-Gly-Arg (NGR) motif are known to bind CD13 isoforms expressed in tumor vessels and have been widely used for tumor targeting. Residues flanking the NGR sequence play an important role in modulating the binding affinity and specificity of NGR for the CD13 receptor. Herein, we have used a rapid, easy, and reliable peptide array-whole cell binding assay for screening a library of NGR peptides with different flanking residues. A peptide array consisting of forty-five NGR containing peptides was synthesized on a cellulose membrane, followed by screening against CD13 positive (HUVEC and HT-1080) and CD13 negative cell lines (MDA-MB-435 and MDA-MB-231). The library screening led to the identification of five cyclic and acyclic NGR peptides that display higher binding (up to 5-fold) to CD13 positive cells with negligible binding to CD13 negative cell lines when compared to the lead sequence cyclic CVLNGRMEC. Peptides with high binding affinity for the CD13 positive cells also showed improved in vitro cellular uptake and specificity using flow cytometry and fluorescence microscopy. Interestingly, the identified peptides resemble the NGR sequences present in the human fibronectin protein. These NGR peptides are promising new ligands for developing tumor vasculature targeted drugs, delivery systems and imaging agents with reduced systemic toxicity.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| 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