Intracellular Delivery of Human Purine Nucleoside Phosphorylase by Engineered Diphtheria Toxin Rescues Function in Target Cells
Notice bibliographique
Résumé
Despite a wealth of potential applications inside target cells, protein-based therapeutics are largely limited to extracellular targets due to the inability of proteins to readily cross biological membranes and enter the cytosol. Bacterial toxins, which deliver a cytotoxic enzyme into cells as part of their intoxication mechanism, hold great potential as platforms for delivering therapeutic protein cargo into cells. Diphtheria toxin (DT) has been shown to be capable of delivering an array of model proteins of varying sizes, structures, and stabilities into mammalian cells as amino-terminal fusions. Here, seeking to expand the utility of DT as a delivery vector, we asked whether an active human enzyme, purine nucleoside phosphorylase (PNP), could be delivered by DT into cells to rescue PNP deficiency. Using a series of biochemical and cellular readouts, we demonstrate that PNP is efficiently delivered into target cells in a receptor- and translocation-dependent manner. In patient-derived PNP-deficient lymphocytes and pluripotent stem cell-differentiated neurons, we show that human PNP is efficiently translocated into target cells by DT, where it is able to restore intracellular hypoxanthine levels. Further, through replacement of the native receptor-binding moiety of DT with single-chain variable fragments that were selected to bind mouse HBEGF, we show that PNP can be retargeted into mouse splenocytes from PNP-deficient mice, resulting in restoration of the proliferative capacity of T-cells. These findings highlight the versatility of the DT delivery platform and provide an attractive approach for the delivery of PNP as well as other cytosolic enzymes implicated in disease.
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 ».