In vivo therapeutic efficacy of TNFα silencing by folate-PEG-chitosan-DEAE/siRNA nanoparticles in arthritic mice
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
Background: Tumor necrosis factor-alpha (TNFα), a pro-inflammatory cytokine, has been shown to play a role in the pathophysiology of rheumatoid arthritis. Silencing TNFα expression with small interfering RNA (siRNA) is a promising approach to treatment of the condition. Methods: Towards this end, our team has developed a modified chitosan (CH) nanocarrier, deploying folic acid, diethylethylamine (DEAE) and polyethylene glycol (PEG) (folate-PEG-CH-DEAE 15 ). The gene carrier protects siRNA against nuclease destruction, its ligands facilitate siRNA uptake via cell surface receptors, and it provides improved solubility at neutral pH with transport of its load into target cells. In the present study, nanoparticles were prepared with siRNA-TNFα, DEAE, and folic acid-CH derivative. Nanoparticle size and zeta potential were verified by dynamic light scattering. Their TNFα-knockdown effects were tested in a murine collagen antibody-induced arthritis model. TNFα expression was examined along with measurements of various cartilage and bone turnover markers by performing histology and microcomputed tomography analysis. Results: We demonstrated that folate-PEG-CH-DEAE 15 /siRNA nanoparticles did not alter cell viability, and significantly decreased inflammation, as demonstrated by improved clinical scores and lower TNFα protein concentrations in target tissues. This siRNA nanocarrier also decreased articular cartilage destruction and bone loss. Conclusion: The results indicate that folate-PEG-CH-DEAE 15 nanoparticles are a safe and effective platform for nonviral gene delivery of siRNA, and their potential clinical applications warrant further investigation. Keywords: arthritis, inflammation, siRNA, TNFα, nanoparticles, chitosan
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