Nano‐Enabled Reposition of Proton Pump Inhibitors for TLR Inhibition: Toward A New Targeted Nanotherapy for Acute Lung Injury
Notice bibliographique
Résumé
Toll-like receptor (TLR) activation in macrophages plays a critical role in the pathogenesis of acute lung injury (ALI). While TLR inhibition is a promising strategy to control the overwhelming inflammation in ALI, there still lacks effective TLR inhibitors for clinical uses to date. A unique class of peptide-coated gold nanoparticles (GNPs) is previously discovered, which effectively inhibited TLR signaling and protected mice from lipopolysaccharide (LPS)-induced ALI. To fast translate such a discovery into potential clinical applicable nanotherapeutics, herein an elegant strategy of "nano-enabled drug repurposing" with "nano-targeting" is introduced to empower the existing drugs for new uses. Combining transcriptome sequencing with Connectivity Map analysis, it is identified that the proton pump inhibitors (PPIs) share similar mechanisms of action to the discovered GNP-based TLR inhibitor. It is confirmed that PPIs (including omeprazole) do inhibit endosomal TLR signaling and inflammatory responses in macrophages and human peripheral blood mononuclear cells, and exhibits anti-inflammatory activity in an LPS-induced ALI mouse model. The omeprazole is then formulated into a nanoform with liposomes to enhance its macrophage targeting ability and the therapeutic efficacy in vivo. This research provides a new translational strategy of nano-enabled drug repurposing to translate bioactive nanoparticles into clinically used drugs and targeted nano-therapeutics for ALI.
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 | 0,001 |
| 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 ».