GM1-Modified Lipoprotein-like Nanoparticle: Multifunctional Nanoplatform for the Combination Therapy of Alzheimer’s Disease
Notice bibliographique
Résumé
Alzheimer's disease (AD) exerts a heavy health burden for modern society and has a complicated pathological background. The accumulation of extracellular β-amyloid (Aβ) is crucial in AD pathogenesis, and Aβ-initiated secondary pathological processes could independently lead to neuronal degeneration and pathogenesis in AD. Thus, the development of combination therapeutics that can not only accelerate Aβ clearance but also simultaneously protect neurons or inhibit other subsequent pathological cascade represents a promising strategy for AD intervention. Here, we designed a nanostructure, monosialotetrahexosylganglioside (GM1)-modified reconstituted high density lipoprotein (GM1-rHDL), that possesses antibody-like high binding affinity to Aβ, facilitates Aβ degradation by microglia, and Aβ efflux across the blood-brain barrier (BBB), displays high brain biodistribution efficiency following intranasal administration, and simultaneously allows the efficient loading of a neuroprotective peptide, NAP, as a nanoparticulate drug delivery system for the combination therapy of AD. The resulting multifunctional nanostructure, αNAP-GM1-rHDL, was found to be able to protect neurons from Aβ(1-42) oligomer/glutamic acid-induced cell toxicity better than GM1-rHDL in vitro and reduced Aβ deposition, ameliorated neurologic changes, and rescued memory loss more efficiently than both αNAP solution and GM1-rHDL in AD model mice following intranasal administration with no observable cytotoxicity noted. Taken together, this work presents direct experimental evidence of the rational design of a biomimetic nanostructure to serve as a safe and efficient multifunctional nanoplatform for the combination therapy of AD.
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 ».