Prostate-specific membrane antigen–directed nanoparticle targeting for extreme nearfield ablation of prostate 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
Almost all biological therapeutic interventions cannot overcome neoplastic heterogeneity. Physical ablation therapy is immune to tumor heterogeneity, but nearby tissue damage is the limiting factor in delivering lethal doses. Multi-walled carbon nanotubes offer a number of unique properties: chemical stability, photonic properties including efficient light absorption, thermal conductivity, and extensive surface area availability for covalent chemical ligation. When combined together with a targeting moiety such as an antibody or small molecule, one can deliver highly localized temperature increases and cause extensive cellular damage. We have functionalized multi-walled carbon nanotubes by conjugating an antibody against prostate-specific membrane antigen. In our in vitro studies using prostate-specific membrane antigen-positive LNCaP prostate cancer cells, we have effectively demonstrated cell ablation of >80% with a single 30-s exposure to a 2.7-W, 532-nm laser for the first time without bulk heating. We also confirmed the specificity and selectivity of prostate-specific membrane antigen targeting by assessing prostate-specific membrane antigen-null PC3 cell lines under the same conditions (<10% cell ablation). This suggests that we can achieve an extreme nearfield cell ablation effect, thus restricting potential tissue damage when transferred to in vivo clinical applications. Developing this new platform will introduce novel approaches toward current therapeutic modalities and will usher in a new age of effective cancer treatment squarely addressing tumoral heterogeneity.
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) | 0,000 | 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 découle