Pronounced peptide selectivity for melanoma through tryptophan end-tagging
Notice bibliographique
Résumé
Effects of oligotryptophan end-tagging on the uptake of arginine-rich peptides into melanoma cells was investigated under various conditions and compared to that into non-malignant keratinocytes, fibroblasts, and erythrocytes, also monitoring resulting cell toxicity. In parallel, biophysical studies on peptide binding to, and destabilization of, model lipid membranes provided mechanistic insight into the origin of the selectivity between melanoma and non-malignant cells. Collectively, the results demonstrate that W-tagging represents a powerful way to increase selective peptide internalization in melanoma cells, resulting in toxicity against these, but not against the non-malignant cells. These effects were shown to be due to increased peptide adsorption to the outer membrane in melanoma cells, caused by the presence of anionic lipids such as phosphatidylserine and ganglioside GM1, and to peptide effects on mitochondria membranes and resulting apoptosis. In addition, the possibility of using W-tagged peptides for targeted uptake of nanoparticles/drug carriers in melanoma was demonstrated, as was the possibility to open up the outer membrane of melanoma cells in order to facilitate uptake of low Mw anticancer drugs, here demonstrated for doxorubicin.
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 | 0,001 | 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 ».