A Novel Proteomic Method Reveals NLS Tagging of T-DM1 Contravenes Classical Nuclear Transport in a Model of HER2-Positive Breast Cancer
Notice bibliographique
Résumé
The next breakthrough for protein therapeutics is effective intracellular delivery and accumulation within target cells. Nuclear localization signal (NLS)-tagged therapeutics have been hindered by the lack of efficient nuclear localization due to endosome entrapment. Although development of strategies for tagging therapeutics with technologies capable of increased membrane penetration has resulted in proportional increased potency, nonspecific membrane penetration limits target specificity and, hence, widespread clinical success. There is a long-standing idea that nuclear localization of NLS-tagged agents occurs exclusively via classical nuclear transport. In the present study, we modified the antibody-drug conjugate trastuzumab-emtansine (T-DM1) with a classical NLS linked to cholic acid (cell accumulator [Accum]) that enables modified antibodies to escape endosome entrapment and increase nuclear localization efficiency without abrogating receptor targeting. In parallel, we developed a proteomics-based method to evaluate nuclear transport. Accum-modified T-DM1 significantly enhanced cytotoxic efficacy in the human epidermal growth factor receptor 2 (HER2)-positive SKBR3 breast cancer system. We discovered that efficacy was dependent on the nonclassical importin-7. Our evaluation reveals that when multiple classical NLS tagging occurs, cationic charge build-up as opposed to sequence dominates and becomes a substrate for importin-7. This study results in an effective target cell-specific NLS therapeutic and a general approach to guide future NLS-based development initiatives.
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 | 0,001 | 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 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 ».