Breast Cancer Targeting Peptide Binds Keratin 1: A New Molecular Marker for Targeted Drug Delivery to Breast Cancer
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
The biomarkers or receptors expressed on cancer cells and the targeting ligands with high binding affinity for biomarkers play a key role in early detection and treatment of breast cancer. The breast cancer targeting peptide p160 (12-mer) and its enzymatically stable analogue 18-4 (10-mer) showed marked potential for breast cancer drug delivery using cell studies and animal models. Herein, we used affinity purification, liquid chromatography–tandem mass spectrometry, and proteomics to identify keratin 1 (KRT1) as the target receptor highly expressed on breast cancer cells for p160 peptide(s). Western blot and immunocytochemistry in MCF-7 breast cancer cells confirmed the identity of KRT1. We demonstrate that the p160 or 18-4 binding to MCF-7 breast cancer cells is dependent on the expression of KRT1, and we confirm peptide-KRT1 binding specificity using SPR experiments ( K d ∼ 1.1 μM and 0.98 μM for p160 and 18-4, respectively). Furthermore, we assessed the ability of peptide 18-4 to improve the cellular uptake and anticancer activity of a pro-apoptotic antimicrobial peptide, microcin J25 (MccJ25), in breast cancer cells. A covalent conjugate of peptide 18-4 with MccJ25 showed preferential cytotoxicity toward breast cancer cells with minimal cytotoxicity against normal HUVEC cells. The conjugate inhibited the growth of MDA-MB-435 MDR multidrug-resistant cells with an IC 50 comparable to that of nonresistant cells. Conjugation improved selective cellular uptake of MccJ25, and the conjugate triggered cancer cell death by apoptosis. Our findings establish KRT1 as a new marker for breast cancer targeting. Additionally, it pinpoints the potential use of antimicrobial lasso peptides as a novel class of anticancer therapeutics.
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) | 0,001 | 0,001 |
| 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 découle