Quantifying the Ligand-Coated Nanoparticle Delivery to Cancer Cells in Solid Tumors
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
Coating the nanoparticle surface with cancer cell recognizing ligands is expected to facilitate specific delivery of nanoparticles to diseased cells in vivo. While this targeting strategy is appealing, no nanoparticle-based active targeting formulation for solid tumor treatment had made it past phase III clinical trials. Here, we quantified the cancer cell-targeting efficiencies of Trastuzumab (Herceptin) and folic acid coated gold and silica nanoparticles in multiple mouse tumor models. Surprisingly, we showed that less than 14 out of 1 million (0.0014% injected dose) intravenously administrated nanoparticles were delivered to targeted cancer cells, and that only 2 out of 100 cancer cells interacted with the nanoparticles. The majority of the intratumoral nanoparticles were either trapped in the extracellular matrix or taken up by perivascular tumor associated macrophages. The low cancer cell targeting efficiency and significant uptake by noncancer cells suggest the need to re-evaluate the active targeting process and therapeutic mechanisms using quantitative methods. This will be important for developing strategies to deliver emerging therapeutics such as genome editing, nucleic acid therapy, and immunotherapy for cancer treatment using nanocarriers.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,003 |
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