Bombesin‐functionalized water‐soluble gold nanoparticles for targeting prostate cancer
Notice bibliographique
Résumé
Abstract Cancer targeting can be used for both tumor diagnosis and therapy. Recently, gold nanoparticles (AuNPs) have found utility in this field as they are very small in size, and thus display an enhanced permeability and retention effect, allowing them to be taken up by tumor cells through “passive targeting.” However, this accumulation is non‐specific. Conversely, AuNPs functionalized with targeting entities such as peptides, antibodies, or small molecules can specifically target tumors through interaction with cancer‐specific protein receptors. In this study, targeted AuNPs were developed using an azide‐modified peptide that was able to react with alkyne‐functionalized AuNPs through an interfacial strain‐promoted azide‐alkyne cycloaddition. Small (3 nm) AuNPs were made water‐soluble through PEGylation and functionalized with dibenzocyclooctyne to add the alkyne functionality. For the targeting entity, a pan‐bombesin peptide ([D‐Phe 6 ,β‐Ala 11 ,Phe 13 ,Nle 14 ]bombesin(6–14)) was chosen as it binds to all four receptor subtypes of the gastrin releasing peptide receptor, which is highly expressed in prostate cancer. Prostate cancer (PC‐3) cells were incubated with the targeted AuNPs and studied via transmission electron microscopy. AuNPs conjugated with bombesin showed higher accumulation in PC‐3 cells than either the blocking or control studies. These results suggest that these small, water‐soluble, bombesin‐functionalized AuNPs have potential applications in targeting prostate cancer as diagnostic or therapeutic entities.
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 | 0,001 | 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 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 ».