Abstract 2998: Co-targeting bulk tumor and CSCs in clinically translatable TNBC patient-derived xenografts via combination nanotherapy
Notice bibliographique
Résumé
Triple negative breast cancer (TNBC) accounts disproportionally for the majority of breast cancer related deaths throughout the world. This is largely attributed to lack of a specific therapy capable of targeting both bulk tumor mass and cancer stem cells (CSC) as well as appropriate tumor animal models to accurately evaluate treatment efficacy for the clinical translation. Thus, development of effective and clinically translatable targeted therapies for TNBC is an unmet medical need. In this report, we developed a hybrid nanoparticles-based co-delivery platform containing both paclitaxel and verteporfin (PV-NPs) to target TNBC patient-derived xenograft (PDX) tumor and CSCs. MRI and IVIS imaging were performed on mice containing PDX tumors to assess tumor vascularity and selective accumulation of NPs. NF-kB, Wnt and YAP activities were measured by reporter assays. Mice bearing TNBC PDX tumor were treated with PV-NPs and controls; and tumors progression and CSC subpopulations were analyzed. Our MRI imaging studies indicated high vascularization of PDX tumors. IVIS imaging showed selective accumulation of NPs in PDX tumors. In comparison to control NPs and free-drug combination, PV-NPs significantly retarded tumor growth of TNBC PDX. PV-NPs simultaneously repressed NF-kB, Wnt and YAP that have been shown to be crucial for cancer growth, CSC development and tumorigenesis. In conclusion, NPs containing two clinically used drugs concurrently inhibited NF-kB, Wnt and YAP pathways and exhibited synergic effects on killing TNBC bulk tumor and CSCs. This combination nanotherapy evaluated with a PDX model may lead to an effective treatment of TNBC patients.Note: This abstract was not presented at the meeting.Citation Format: Andrew Sulaiman, Sara El-Sahli, Sarah McGarry, Lisheng Wang, Suresh Gadde. Co-targeting bulk tumor and CSCs in clinically translatable TNBC patient-derived xenografts via combination nanotherapy [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2019; 2019 Mar 29-Apr 3; Atlanta, GA. Philadelphia (PA): AACR; Cancer Res 2019;79(13 Suppl):Abstract nr 2998.
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 ».