Design and immunological evaluation of anti-CD205-tailored PLGA-based nanoparticulate cancer vaccine
Notice bibliographique
Résumé
The aim of this research was to develop a targeted antigen-adjuvant assembled delivery system that will enable dendritic cells (DCs) to efficiently mature to recognize antigens released from tumor cells. It is important to target the DCs with greater efficiency to prime T cell immune responses. In brief, model antigen, ovalbumin (OV), and monophosphoryl lipid A adjuvant were encapsulated within the nanoparticle (NP) by double emulsification solvent evaporation method. Targeted NPs were obtained through ligand incorporation via physical adsorption or chemical conjugation process. Intracellular uptake of the NPs and the maturation of DCs were evaluated with flow cytometry. Remarkably, the developed delivery system had suitable physicochemical properties, such as particle size, surface charge, OV encapsulation efficiency, biphasic OV release pattern, and safety profile. The ligand modified formulations had higher targeting efficiency than the non-tailored NPs. This was also evident when the targeted formulations expressed comparatively higher fold increase in surface activation markers such as CD40, CD86, and major histocompatibility complex class II molecules. The maturation of DCs was further confirmed through secretion of extracellular cytokines compared to control cells in the DC microenvironment. Physicochemical characterization of NPs was performed based on the polymer end groups, their viscosities, and ligand-NP bonding type. In conclusion, the DC stimulatory response was integrated to develop a relationship between the NP structure and desired immune response. Therefore, the present study narrates a comparative evaluation of some selected parameters to choose a suitable formulation useful for in vivo cancer immunotherapy.
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 | 0,002 | 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 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 ».