MétaCan
Menu
Retour à la cohorte
Enregistrement W4293582030 · doi:10.1002/cbic.202200284

Tellurophene‐Tagging of Teniposide Facilitates Monitoring by Mass Cytometry

2022· article· en· W4293582030 sur OpenAlexafffund
Rahul Rana, Ravi N. Vellanki, Bradly G. Wouters, Mark Nitz

Notice bibliographique

RevueChemBioChem · 2022
Typearticle
Langueen
DomaineChemistry
ThématiqueFullerene Chemistry and Applications
Établissements canadiensPrincess Margaret Cancer CentreUniversity Health NetworkOntario Institute for Cancer ResearchUniversity of Toronto
Organismes subventionnairesUniversity of TorontoFluidigm
Mots-clésTeniposideChemistryBiodistributionIn vivoMass cytometryFlow cytometryIn vitroComputational biologyBiophysicsBiochemistryMolecular biologyEtoposideBiologyInternal medicineMedicineChemotherapy

Résumé

récupéré en direct d'OpenAlex

Target engagement and the biodistribution of exogenously administered small molecules is rarely homogenous. Methods to determine the biodistribution at the cellular level are limited by the ability to detect the small molecule and simultaneously identify the cell types or tissue structures with which it is associated. The highly multiplexed nature of mass cytometry could facilitate these studies provided a heavy isotope label was available in the molecule of interest. Here we show it is possible to append a tellurophene to a known chemotherapeutic, teniposide, to follow this molecule in vivo. A semi-synthetic approach offers an efficient route to the teniposide analogue which is found to have similar characteristics when compared with the parent teniposide in vitro. Using mass cytometry we find the teniposide analogue has significant nonspecific binding to cells. In vivo the tellurium bearing teniposide produces the expected DNA damage in a PANC-1 xenograft model. The distribution of Te in the tissue is near the limits of detection and further work will be required to characterize the localization of this analogue with respect to cell type distributions.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,019
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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)0,0020,000

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 Opus0,011
Tête enseignante GPT0,222
Écart entre enseignants0,212 · 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 tête enseignante, pas un consensus.

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

Citations5
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemBioChemMême sujetFullerene Chemistry and ApplicationsTravaux en français237 207