Multivalent Carbohydrate Nanocomposites for Tumor Microenvironment Remodeling to Enhance Antitumor Immunity
Notice bibliographique
Résumé
Current cancer immunotherapeutic strategies mainly focus on remodeling the tumor microenvironment (TME) to make it favorable for antitumor immunity. Increasing attention has been paid to developing innovative immunomodulatory adjuvants that can restore weakened antitumor immunity by conferring immunogenicity to inflamed tumor tissues. Here, a galactan-enriched nanocomposite (Gal-NC) is developed from native carbohydrate structures through an optimized enzymatic transformation for effective, stable, and biosafe innate immunomodulation. Gal-NC is characterized as a carbohydrate nanoadjuvant with a macrophage-targeting feature. It is composed of repeating galactan glycopatterns derived from heteropolysaccharide structures of plant origin. The galactan repeats of Gal-NC function as multivalent pattern-recognition sites for Toll-like receptor 4 (TLR4). Functionally, Gal-NC-mediated TLR activation induces the repolarization of tumor-associated macrophages (TAMs) toward immunostimulatory/tumoricidal M1-like phenotypes. Gal-NC increases the intratumoral population of cytotoxic T cells, the main effector cells of antitumor immunity, via re-educated TAMs. These TME alterations synergistically enhance the T-cell-mediated antitumor response induced by αPD-1 administration, suggesting that Gal-NC has potential value as an adjuvant for immune checkpoint blockade combination therapies. Thus, the Gal-NC model established herein suggests a glycoengineering strategy to design a carbohydrate-based nanocomposite for advanced cancer immunotherapies.
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 ».