Neutrophil Targeting Platform Reduces Neutrophil Extracellular Traps for Improved Traumatic Brain Injury and Stroke Theranostics
Notice bibliographique
Résumé
Traumatic brain injuries (TBI) and stroke are major causes of morbidity and mortality in both developing and developed countries. The complex and heterogeneous pathophysiology of TBI and cerebral ischemia-reperfusion injury (CIRI), in addition to the blood-brain barrier (BBB) resistance, is a major barrier to the advancement of diagnostics and therapeutics. Clinical data showed that the severity of TBI and stroke is positively correlated with the number of neutrophils in peripheral blood and brain injury sites. Furthermore, neutrophil extracellular traps (NETs) released by neutrophils correlate with worse TBI and stroke outcomes by impairing revascularization and vascular remodeling. Therefore, targeting neutrophils to deliver NETs inhibitors to brain injury sites and reduce the formation of NETs can be an optimal strategy for TBI and stroke therapy. Herein, the study designs and synthesizes a reactive oxygen species (ROS)-responsive neutrophil-targeting delivery system loaded with peptidyl arginine deiminase 4 (PAD4) inhibitor, GSK484, to prevent the formation of NETs in brain injury sites, which significantly inhibited neuroinflammation and improved neurological deficits, and improved the survival rate of TBI and CIRI. This strategy may provide a groundwork for the development of targeted theranostics of TBI and stroke.
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 ».