Targeted Treatment of Metastatic Breast Cancer by PLK1 siRNA Delivered by an Antioxidant Nanoparticle Platform
Notice bibliographique
Résumé
Abstract Metastatic breast cancer is developed in about 20% to 30% of newly diagnosed patients with early-stage breast cancer despite treatments. Herein, we report a novel nanoparticle platform with intrinsic antimetastatic properties for the targeted delivery of Polo-like kinase 1 siRNA (siPLK1). We first evaluated it in a triple-negative breast cancer (TNBC) model, which shows high metastatic potential. PLK1 was identified as the top therapeutic target for TNBC cells and tumor-initiating cells in a kinome-wide screen. The platform consists of a 50-nm mesoporous silica nanoparticle (MSNP) core coated layer-by-layer with bioreducible cross-linked PEI and PEG polymers, conjugated with an antibody for selective uptake into cancer cells. siRNA is loaded last and fully protected under the PEG layer from blood enzymatic degradation. The material has net neutral charge and low nonspecific cytotoxicity. We have also shown for the first time that the MSNP itself inhibited cancer migration and invasion in TNBC cells owing to its ROS- and NOX4-modulating properties. In vivo, siPLK1 nanoconstructs (six doses of 0.5 mg/kg) knocked down about 80% of human PLK1 mRNA expression in metastatic breast cancer cells residing in mouse lungs and reduced tumor incidence and burden in lungs and other organs of an experimental metastasis mouse model. Long-term treatment significantly delayed the onset of death in mice and improved the overall survival. The platform capable of simultaneously inhibiting the proliferative and metastatic hallmarks of cancer progression is unique and has great therapeutic potential to also target other metastatic cancers beyond TNBC. Mol Cancer Ther; 16(4); 763–72. ©2017 AACR.
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 | 0,001 | 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 ».