Personalized siRNA-Nanoparticle Systemic Therapy using Metastatic Lymph Node Specimens Obtained with EBUS-TBNA in Lung Cancer
Notice bibliographique
Résumé
Abstract Inhibiting specific gene expression with siRNA provides a new therapeutic strategy to tackle many diseases at the molecular level. Recent strategies called high-density lipoprotein (HDL)-mimicking peptide-phospholipid nanoscaffold (HPPS) nanoparticles have been used to induce siRNAs-targeted delivery to scavenger receptor class B type I receptor (SCARB1)-expressing cancer cells with high efficiency. Here, eight ideal therapeutic target genes were identified for advanced lung cancer throughout the screenings using endobronchial ultrasonography–guided transbronchial needle aspiration (EBUS-TBNA) and the establishment of a personalized siRNA-nanoparticle therapy. The relevance of these genes was evaluated by means of siRNA experiments in cancer cell growth. To establish a therapeutic model, kinesin family member-11 (KIF11) was selected as a target gene. A total of 356 lung cancers were analyzed immunohistochemically for its clinicopathologic significance. The antitumor effect of HPPS-conjugated siRNA was evaluated in vivo using xenograft tumor models. Inhibition of gene expression for these targets effectively suppressed lung cancer cell growth. SCARB1 was highly expressed in a subset of tumors from the lung large-cell carcinoma (LCC) and small-cell lung cancer (SCLC) patients. High-level KIF11 expression was identified as an independent prognostic factor in LCC and squamous cell carcinoma (SqCC) patients. Finally, a conjugate of siRNA against KIF11 and HPPS nanoparticles induced downregulation of KIF11 expression and mediated dramatic inhibition of tumor growth in vivo. Implications: This approach showed delivering personalized cancer-specific siRNAs via the appropriate nanocarrier may be a novel therapeutic option for patients with advanced lung cancer. Mol Cancer Res; 16(1); 47–57. ©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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».