Development of a peptide-based delivery platform for targeting malignant brain tumors
Notice bibliographique
Résumé
Despite extensive molecular characterization, human glioblastoma remains a fatal disease with survival rates measured in months. Little improvement is seen with standard surgery, radiotherapy and chemotherapy. Clinical progress is hampered by the inability to detect and target glioblastoma disease reservoirs based on a diffuse invasive pattern and the presence of molecular and phenotypic heterogeneity. The goal of this study was to target the invasive and stem-like glioblastoma cells that evade first-line treatments using agents capable of delivering imaging enhancers or biotherapeutic cargo. To accomplish this, a combinatorial phage display library was biopanned against glioblastoma cell model systems that accurately recapitulate the intra- and inter-tumor heterogeneity and infiltrative nature of the disease. Candidate peptides were screened for specificity and ability to target glioblastoma cells in vivo. Cargo-conjugated peptides delivered contrast-enhancing agents to highly infiltrative tumor populations in intracranial xenograft models without the obvious need for blood brain barrier disruption. Simultaneous use of five independent targeting peptides provided greater coverage of this complex tumor and selected peptides have the capacity to deliver a therapeutic cargo (oncolytic virus VSVΔM51) to the tumor cells in vivo. Herein, we have identified a series of peptides with utility as an innovative platform to assist in targeting glioblastoma for the purpose of diagnostic or prognostic imaging, image-guided surgery, and/or improved delivery of therapeutic agents to glioblastoma cells implicated in disease relapse.
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 ».