Coordinating Biointeraction and Bioreaction of a Nanocarrier Material and an Anticancer Drug to Overcome Membrane Rigidity and Target Mitochondria in Multidrug‐Resistant Cancer Cells
Notice bibliographique
Résumé
Abstract Multidrug resistance (MDR) is a main cause of chemotherapy failure in cancer treatment. It is associated with complex cellular and molecular mechanisms including overexpression of drug efflux transporters, increased membrane rigidity, and impaired apoptosis. Numerous efforts have been made to overcome efflux transporter‐mediated MDR using nanotechnology‐based approaches. However, these approaches fail to surmount plasma membrane rigidity that attenuates drug penetration and nanoparticle endocytosis. Here, a “one‐two punch” nanoparticle approach is proposed to coordinate intracellular biointeraction and bioreaction of a nanocarrier material docosahexaenoic acid (DHA) and an anticancer prodrug mitomycin C (MMC) to enhance mitochondrion‐targeted toxicity. Incorporation of DHA in solid polymer‐lipid nanoparticles first reduces the membrane rigidity in live cancer cells thereby increasing nanoparticle cellular uptake and MMC accumulation. Subsequent intracellular MMC bioreduction produces free radicals that in turn react with adjacent DHA inducing significantly elevated mitochondrial lipid peroxidation, leading to irreversible damage to mitochondria. Preferential tumor accumulation of the nanoparticles and the synergistic anticancer cytotoxicity remarkably inhibit tumor growth and prolonged host survival without any systemic toxicity in an orthotopic MDR breast tumor model. This work suggests that combinatorial use of biophysical and biochemical properties of nanocarrier materials with bioreactive prodrugs is a powerful approach to overcoming multifactorial MDR in cancer.
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 | 0,001 |
| 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 ».