Multitargeted Nanoparticles Deliver Synergistic Drugs across the Blood–Brain Barrier to Brain Metastases of Triple Negative Breast Cancer Cells and Tumor‐Associated Macrophages
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
Patients with brain metastases of triple negative breast cancer (TNBC) have a poor prognosis owing to the lack of targeted therapies, the aggressive nature of TNBC, and the presence of the blood-brain barrier (BBB) that blocks penetration of most drugs. Additionally, infiltration of tumor-associated macrophages (TAMs) promotes tumor progression. Here, a terpolymer-lipid hybrid nanoparticle (TPLN) system is designed with multiple targeting moieties to first undergo synchronized BBB crossing and then actively target TNBC cells and TAMs in microlesions of brain metastases. In vitro and in vivo studies demonstrate that covalently bound polysorbate 80 in the terpolymer enables the low-density lipoprotein receptor-mediated BBB crossing and TAM-targetability of the TPLN. Conjugation of cyclic internalizing peptide (iRGD) enhances cellular uptake, cytotoxicity, and drug delivery to brain metastases of integrin-overexpressing TNBC cells. iRGD-TPLN with coloaded doxorubicin (DOX) and mitomycin C (MMC) (iRGD-DMTPLN) exhibits higher efficacy in reducing metastatic burden and TAMs than nontargeted DMTPLN or a free DOX/MMC combination. iRGD-DMTPLN treatment reduces metastatic burden by 6-fold and 19-fold and increases host median survival by 1.3-fold and 1.6-fold compared to DMTPLN or free DOX/MMC treatments, respectively. These findings suggest that iRGD-DMTPLN is a promising multitargeted drug delivery system for the treatment of integrin-overexpressing brain metastases of TNBC.
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 | 0,000 | 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 découle