Nanoparticle–Peptide–Drug Bioconjugates for Unassisted Defeat of Multidrug Resistance in a Model Cancer Cell Line
Notice bibliographique
Résumé
Multidrug resistance (MDR) is a significant challenge in the treatment of many types of cancers as membrane-associated transporters actively pump drugs out of the cell, limiting therapeutic efficacy. While nanoparticle (NP)-based therapeutics have emerged as a mechanism for overcoming MDR, they often rely on the delivery of multiple anticancer drugs, nucleic acid hybrids, or MDR pump inhibitors. The effectiveness of these strategies, however, can be limited by their off-target toxicity or the need for genetic transfection. In this paper, we describe a NP-peptide-drug bioconjugate that achieves significant cell killing in MDR-positive cancer cells without the need for additional drugs. We use a quantum dot (QD) as a central scaffold to append two species of peptide, a cell-uptake peptide to facilitate endocytic internalization and a peptide-drug conjugate that is susceptible to cleavage by esterases found within the endocytic pathway. This approach relies on spatiotemporal control over drug release, where endosomes traffic drug away from membrane-resident pumps and release it closer to the nucleus. Cellular internalization studies showed high uptake of the NP-drug complex and nuclear localization of the drug after 48 h in MDR-positive cells. Additionally, cellular proliferation assays demonstrated a 40% decrease in cell viability for the NP-drug bioconjugate compared to free drug, confirming the utility of this system in overcoming MDR in cancer cells.
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) | 0,001 | 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 ».