PESIN Multimerization Improves Receptor Avidities and <i>in Vivo</i> Tumor Targeting Properties to GRPR-Overexpressing Tumors
Notice bibliographique
Résumé
The gastrin releasing peptide receptor (GRPR), being overexpressed on several tumor types, represents a promising target for specific noninvasive in vivo tumor imaging using positron emission tomography. Many of the radiolabeled bombesin analogs being applied in tumor imaging, however, suffer from shortcomings such as limited in vivo stability and poor tumor to background ratios. These obstacles can be overcome by peptide multimerization, as this approach results in constructs comprising several copies of the same peptide, thus retaining the ability to specifically bind to the target structure even if one peptide is cleaved. Furthermore, peptide multimers can result in increased binding avidities to the target, which can entail higher absolute tumor uptakes and also tumor to background levels. We therefore synthesized monomers and multimers of the peptide PESIN on dendrimer scaffolds comprising linkers of different lengths. The monomers/multimers were functionalized with the chelator NODAGA, efficiently radiolabeled with (68)Ga and evaluated in vitro regarding their GRPR binding affinity. The results show that shorter distances between the peptide moieties result in substantially higher binding affinities/avidities of the monovalent/multivalent PESIN ligands to the GRPR. Furthermore, the bivalent ligands gave the best results in terms of binding avidity, achieving a 2.5-fold increase in avidity compared to the respective monomer. Moreover, the most potent bivalent ligand showed an about 2-fold higher absolute tumor uptake and twice as high tumor-to-background ratios than the monomeric reference DOTA-PESIN in an initial animal PET study in tumor-bearing mice. Thus, besides high avidities, multivalency also positively influences the in vivo pharmacokinetics of peptide multimers.
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 ».