Therapeutic Copper-based Nanoparticles Release Labile Copper(II) and Trigger Cellular Responses in Glutathione and NRF2 Redox Pathways and Metal Homeostasis
Notice bibliographique
Résumé
Metal-based nanoparticles are a promising class of materials for diagnosis and treatment of cancer and other diseases. However, mechanisms of action of these nanomedicines remain insufficiently understood due in large part to our limited understanding of the dynamic equilibria between solid metal nanoparticles and labile metal ions generated from these nanoparticles within complex biological milieus. Here we apply activity-based sensing to directly identify and investigate the fate of labile copper pools with metal and oxidation state-specificity generated by anticancer copper nanomedicines. We found that treatment of cells with copper-releasing CuFe2O4 and Cu2Fe(CN)6 nanoparticles alter labile Cu(I)/Cu(II) ratios through an increase in labile Cu(II), while overall labile copper levels decrease. Labile copper release triggers compensatory responses in two major antioxidant pathways, glutathione (GSH) and nuclear factor erythroid 2–related factor 2 (NRF2), as well as in metal homeostasis to limit copper availability via synergistic upregulation of copper export (ATP7B) and downregulation of copper import (CTR1) proteins. These findings establish the value of activity-based sensing as a generalizable approach for labile metal imaging to help decipher molecular mechanisms of bioactive metal nanoparticles and guide the development of more effective nanomedicine diagnostics and therapies to target metal-dependent disease vulnerabilities.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».