Hyaluronic Acid Engineered Nanomicelles Loaded with 3,4-Difluorobenzylidene Curcumin for Targeted Killing of CD44+ Stem-Like Pancreatic Cancer Cells
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
Cancer stem-like cells (CSLCs) play a pivotal role in acquiring multidrug resistant (MDR) phenotypes. It has been established that pancreatic cancers overexpressing CD44 receptors (a target of hyaluronic acid; HA) is one of the major contributors for causing MDR. Therefore, targeted killing of CD44 expressing tumor cells using HA based active targeting strategies may be beneficial for eradicating MDR-pancreatic cancers. Here, we report the synthesis of a new HA conjugate of copoly(styrene maleic acid) (HA-SMA) that could be engineered to form nanomicelles with a potent anticancer agent, 3,4-difluorobenzylidene curcumin (CDF). The anticancer activity of CDF loaded nanomicelles against MiaPaCa-2 and AsPC-1 human pancreatic cancer cells revealed dose-dependent cell killing. Results of cellular internalization further confirmed better uptake of HA engineered nanomicelles in triple-marker positive (CD44+/CD133+/EpCAM+) pancreatic CSLCs compared with triple-marker negative (CD44-/CD133-/EpCAM-) counterparts. More importantly, HA-SMA-CDF exhibited superior anticancer response toward CD44+ pancreatic CSLCs. Results further confirmed that triple-marker positive cells treated with HA-SMA-CDF caused significant reduction in CD44 expression and marked inhibition of NF-κB that in-turn can mitigate their proliferative and invasive behavior. Conclusively, these results suggest that the newly developed CD44 targeted nanomicelles may have great implications in treating pancreatic cancers including the more aggressive pancreatic CSLCs.
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) | 0,001 | 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