Lipoprotein‐Like Nanoparticle Carrying Small Interfering RNA Against Spalt‐Like Transcription Factor 4 Effectively Targets Hepatocellular Carcinoma Cells and Decreases Tumor Burden
Notice bibliographique
Résumé
Patients with advanced hepatocellular carcinoma (HCC) are often unable to tolerate chemotherapy due to liver dysfunction in the setting of cirrhosis. We investigate high‐density lipoprotein (HDL)‐mimicking peptide phospholipid scaffold (HPPS), which are nanoparticles that capitalize on normal lipoprotein metabolism and transport, as a solution for directed delivery of small interfering RNA (siRNA) cargo into HCC cells. Spalt‐like transcription factor 4 (SALL4), a fetal oncoprotein expressed in aggressive HCCs, is specifically targeted as a case study to evaluate the efficacy of HPPS carrying siRNA cargo. HPPS containing different formulations of siRNA therapy against SALL4 were generated specifically for HCC cells. These were investigated both in vitro and in vivo using fluorescence imaging. HPPS‐SALL4 effectively bound to scavenger receptor, class B type 1 (SR‐BI) and delivered the siRNA cargo into HCC cells, as seen in vitro . HPPS‐SALL4 effectively inhibited HCC tumor growth ( P < 0.05) and induced a 3‐fold increase in apoptosis of the cancer cells in vivo compared to HPPS‐scramble. Additionally, there was no immunogenicity associated with HPPS‐SALL4 as measured by cytokine production. Conclusion : We have developed unique HDL‐like nanoparticles that directly deliver RNA interference (RNAi) therapy against SALL4 into the cytosol of HCC cells, effectively inhibiting HCC tumor growth without any systemic immunogenicity. This therapeutic modality avoids the need for hepatic metabolism in this cancer, which develops in the setting of cirrhosis and liver dysfunction. These natural lipoprotein‐like nanoparticles with RNAi therapy are a promising therapeutic strategy for HCC.
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 | 0,001 | 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 ».