Anti-<i>hTERT</i> siRNA-Loaded Nanoparticles Block the Growth of Anaplastic Thyroid Cancer Xenograft
Notice bibliographique
Résumé
Abstract The high frequency of hTERT-promoting mutations and the increased expression of hTERT mRNA in anaplastic thyroid cancer (ATC) make TERT a suitable molecular target for the treatment of this lethal neoplasm. In this study, we encapsulated an anti-hTERT oligonucleotide in biocompatible nanoparticles and analyzed the effects of this novel pharmaceutical preparation in preclinical models of ATC. Biocompatible nanoparticles were obtained in an acidified aqueous solution containing chitosan, anti-hTERT oligoRNAs, and poloxamer 188 as a stabilizer. The effects of these anti-hTERT nanoparticles (Na-siTERT) were tested in vitro on ATC cell lines (CAL-62 and 8505C) and in vivo on xenograft tumors obtained by flank injection of CAL-62 cells into SCID mice. The Na-siTERT reduced the viability and migration of CAL-62 and 8505C cells after 48-hour incubation. Intravenous administration (every 48 hours for 13 days) of this encapsulated drug in mice hosting a xenograft thyroid cancer determined a great reduction in the growth of the neoplasm (about 50% vs. untreated animals or mice receiving empty nanoparticles), and decreased levels of Ki67 associated with lower hTERT expression. Moreover, the treatment resulted in minimal invasion of nearby tissues and reduced the vascularity of the xenograft tumor. No signs of toxicity appeared following this treatment. Telomere length was not modified by the Na-siTERT, indicating that the inhibitory effects of neoplasm growth were independent from the enzymatic telomerase function. These findings demonstrate the potential suitability of this anti-TERT nanoparticle formulation as a novel tool for ATC treatment. Mol Cancer Ther; 17(6); 1187–95. ©2018 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 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 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 ».