A nanomedicine approach to targeting cuproplasia in cancer: Labile copper sequestration using polydopamine nanoparticles blocks tumor growth in vivo through altering metabolism and redox homeostasis.
Notice bibliographique
Résumé
Copper plays critical roles as a metal active site cofactor and metalloallosteric signal for enzymes involved in cell proliferation and metabolism, making it an attractive target for cancer therapy. In this study, we investigated the efficacy of polydopamine nanoparticles (PDA NPs), classically applied for metal removal from water, as a therapeutic strategy for depleting intracellular labile copper pools in triple negative breast cancer models through the metal-chelating groups present on PDA surface. By using the activity-based sensing probe FCP-1, we could track the PDA-induced labile copper depletion while leaving total copper levels unchanged, and link it to the selective MDA-MB-231 cell death. Further mechanistic investigations revealed that PDA NPs increased reactive oxygen species (ROS) levels, potentially through the inactivation of superoxide dismutase 1 (SOD1), a copper-dependent antioxidant enzyme. Additionally, PDA NPs were found to interact with the mitochondrial membrane, resulting in an increase in mitochondrial membrane potential, which may contribute to enhanced ROS production. We employed an in vivo tumor model to validate the therapeutic efficacy of PDA NPs. Remarkably, in the absence of any additional treatment, the presence of PDA NPs alone led to a significant reduction in tumor volume by a factor of 1.66 after 22 days of tumor growth. Our findings highlight the potential of PDA NPs as a promising therapeutic approach for selectively targeting cancer by modulating copper levels and inducing oxidative stress, leading to tumor growth inhibition as shown in these triple negative breast cancer models.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».