MétaCan
Menu
Retour à la cohorte
Enregistrement W3043458950 · doi:10.1007/s40820-020-00490-6

Self-Assembly Protein Superstructures as a Powerful Chemodynamic Therapy Nanoagent for Glioblastoma Treatment

2020· article· en· W3043458950 sur OpenAlexaff
Tao Zheng, Wentao Wang, Jon Ashley, Ming Zhang, Xiaotong Feng, Jian Shen, Yi Sun

Notice bibliographique

RevueNano-Micro Letters · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesChina Scholarship CouncilVillum Fonden
Mots-clésNanocarriersGlioblastomaBiocompatibilityReactive oxygen speciesIn vivoCytotoxicityDrug deliveryCancer cellIn vitroRed blood cellCancer researchCell biologyBiophysicsChemistryMaterials scienceBiochemistryCancerBiologyNanotechnology

Résumé

récupéré en direct d'OpenAlex

Glioblastoma (GBM) remains a formidable challenge in oncology. Chemodynamic therapy (CDT) that triggers tumor cell death by reactive oxygen species (ROS) could open up a new door for GBM treatment. Herein, we report a novel CDT nanoagent. Hemoglobin (Hb) and glucose oxidase (GOx) were employed as powerful CDT catalysts. Instead of encapsulating the proteins in drug delivery nanocarriers, we formulate multimeric superstructures as self-delivery entities by crosslinking techniques. Red blood cell (RBC) membranes are camouflaged on the protein superstructures to promote the delivery across blood-brain barrier. The as-prepared RBC@Hb@GOx nanoparticles (NPs) offer superior biocompatibility, simplified structure, and high accumulation at the tumor site. We successfully demonstrated that the NPs could efficiently produce toxic ROS to kill U87MG cancer cells in vitro and inhibit the growth of GBM tumor in vivo, suggesting that the new CDT nanoagent holds great promise for treating GBM.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,008
Tête enseignante GPT0,206
Écart entre enseignants0,198 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations44
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano-Micro LettersMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207