H-Ferritin nanoparticle-mediated delivery of antibodies across a BBB <i>in vitro</i> model for treatment of brain malignancies
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
Brain cancers are a group of neoplasms that can be either primary, such as glioblastoma multiforme (GBM), or metastatic, such as the HER2+ breast cancer brain metastasis. The brain represents a sanctuary for cancer cells thanks to the presence of the blood brain barrier (BBB) that controls trafficking of molecules, protecting the brain from toxic substances including drugs. Considering that GBM and HER2+ breast cancer brain metastases are characterized by EGFR and HER2 over-expression respectively, CTX- and TZ-based treatment could be effective. Several studies show that these monoclonal antibodies (mAbs) exert both a cytostatic activity interfering with the transduction pathways of EGFR family and a cytotoxic activity mainly through the immune system activation via the antibody dependent cell-mediated cytotoxicity (ADCC). Since the major limitation to therapeutic mAbs application is the presence of the BBB, here we use a recombinant form of human apoferritin (HFn) as a nanovector to promote the delivery of mAbs to the brain for the activation of the ADCC response. Using a transwell model of the BBB we proved the crossing ability of HFn-mAb. Cellular uptake of HFn-mAb by human cerebral microvascular endothelial cells (hCMEC/D3) was demonstrated by confocal microscopy. Moreover, after crossing the endothelial monolayer, HFn-conjugated mAbs retain their biological activity against targets, as assessed by MTS and ADCC assays. Our data support the use of HFn as efficient carrier to enhance the BBB crossing of mAbs, without affecting their antitumoral activity.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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