Membrane Internalization Mechanisms and Design Strategies of Arginine-Rich Cell-Penetrating Peptides
Notice bibliographique
Résumé
Cell-penetrating peptides (CPPs) have been discovered to deliver chemical drugs, nucleic acids, and macromolecules to permeate cell membranes, creating a novel route for exogenous substances to enter cells. Up until now, various sequence structures and fundamental action mechanisms of CPPs have been established. Among them, arginine-rich peptides with unique cell penetration properties have attracted substantial scientific attention. Due to the positively charged essential amino acids of the arginine-rich peptides, they can interact with negatively charged drug molecules and cell membranes through non-covalent interaction, including electrostatic interactions. Significantly, the sequence design and the penetrating mechanisms are critical. In this brief synopsis, we summarize the transmembrane processes and mechanisms of arginine-rich peptides; and outline the relationship between the function of arginine-rich peptides and the number of arginine residues, arginine optical isomers, primary sequence, secondary and ternary structures, etc. Taking advantage of the penetration ability, biomedical applications of arginine-rich peptides have been refreshed, including drug/RNA delivery systems, biosensors, and blood-brain barrier (BBB) penetration. Understanding the membrane internalization mechanisms and design strategies of CPPs will expand their potential applications in clinical trials.
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) | 0,000 | 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 | 0,001 | 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 ».