Quantum Dot-Based Screening Identifies F3 Peptide and Reveals Cell Surface Nucleolin as a Therapeutic Target for Rhabdomyosarcoma
Notice bibliographique
Résumé
Active drug delivery by tumor-targeting peptides is a promising approach to improve existing therapies for rhabdomyosarcoma (RMS), by increasing the therapeutic effect and decreasing the systemic toxicity, e.g., by drug-loaded peptide-targeted nanoparticles. Here, we tested 20 different tumor-targeting peptides for their ability to bind to two RMS cell lines, Rh30 and RD, using quantum dots Streptavidin and biotin-peptides conjugates as a model for nanoparticles. Four peptides revealed a very strong binding to RMS cells: NCAM-1-targeting NTP peptide, nucleolin-targeting F3 peptide, and two Furin-targeting peptides, TmR and shTmR. F3 peptide showed the strongest binding to all RMS cell lines tested, low binding to normal control myoblasts and fibroblasts, and efficient internalization into RMS cells demonstrated by the cytoplasmic delivery of the Saporin toxin. The expression of the nucleophosphoprotein nucleolin, the target of F3, on the surface of RMS cell lines was validated by competition with the natural ligand lactoferrin, by colocalization with the nucleolin-binding aptamer AS1411, and by the marked sensitivity of RMS cell lines to the growth inhibitory nucleolin-binding N6L pseudopeptide. Taken together, our results indicate that nucleolin-targeting by F3 peptide represents a potential therapeutic approach for RMS.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,000 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».