In Vivo Evaluation of Dual-Targeted Nanoparticles Encapsulating Paclitaxel and Everolimus
Notice bibliographique
Résumé
A synergistic combination of paclitaxel (PTX) and everolimus (EVER) can allow for lower drug doses, reducing the toxicities associated with PTX, while maintaining therapeutic efficacy. Polymeric nanoparticles (NPs) of high stability provide opportunities to modify the toxicity profile of the drugs by ensuring their delivery to the tumor site at the synergistic ratio while limiting systemic drug exposure and the toxicities that result. The goal of the current study is to evaluate the in vivo fate of human epidermal factor receptor 2 (HER2) and epidermal growth factor receptor (EGFR) dual-targeted PTX+EVER-loaded NPs (Dual-NPs) in an MDA-MB-231-H2N breast cancer (BC) tumor-bearing mouse model. The pharmacokinetic parameters, plasma area under the curve (AUC) and half-life (t1/2z) were found to be 20-fold and 3 to 4-fold higher, respectively, for the drugs when administered in the Dual-NPs in comparison to the free-drug combination (i.e., PTX+EVER) at an equivalent dose of PTX. While maintaining anti-tumor efficacy, the levels of body weight loss were significantly lower (p < 0.0001) and the overall degree of neurotoxicity was reduced with Dual-NPs treatment in comparison to the free-drug combination when administered at an equivalent dose of PTX. This study suggests that Dual-NPs present a promising platform for the delivery of the PTX and EVER combination with the potential to reduce severe PTX-induced toxicities and in turn, improve quality of life for patients with BC.
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 | 0,001 | 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 ».