Bioresponsive and immunotherapeutic nanomaterials to remodel tumor microenvironment for enhanced immune checkpoint blockade
Notice bibliographique
Résumé
Immune checkpoint blockade (ICB) therapy is a revolutionary approach to treat cancers, but still have limited clinical applications. Accumulating evidence pinpoints the immunosuppressive characteristics of the tumor microenvironment (TME) as one major obstacle. The TME, characterized by acidity, hypoxia and elevated ROS levels, exerts its detrimental effects on infiltrating anti-tumor immune cells. Here, we developed a TME-responsive and immunotherapeutic catalase-loaded calcium carbonate nanoparticles (termed as CAT@CaCO3 NPs) as the simple yet versatile multi-modulator for TME remodeling. CaCO3 NPs can consume protons in the acidic TME to normalize the TME pH. CAT catalyzed the decomposition of ROS and thus generated O2. The released Ca2+ led to Ca2+ overload in the tumor cells which then triggered the release of damage-associated molecular patterns (DAMP) signals to initiate anti-tumor immune responses, including tumor antigen presentation by dendritic cells. Meanwhile, CAT@CaCO3 NPs-induced immunosupportive TME also promoted the polarization of the M2 tumor-associated macrophages to the M1 phenotype, further enhancing tumor antigen presentation. Consequently, T cell-mediated anti-tumor responses were activated, the efficacy of which was further boosted by aPD-1 immune checkpoint blockade. Our study demonstrated that local treatment of CAT@CaCO3 NPs and aPD-1 combination can effectively evoke local and systemic anti-tumor immune responses, inhibiting the growth of treated tumors and distant diseases.
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 ».