Enzyme-responsive mannose-grafted magnetic nanoparticles for breast and liver cancer therapy and tumor-associated macrophage immunomodulation
Notice bibliographique
Résumé
BACKGROUND: Chemo-immunotherapy modifies the tumor microenvironment to enhance the immune response and improve chemotherapy. This study introduces a dual-armed chemo-immunotherapy strategy combating breast tumor progression while re-polarizing Tumor-Associated Macrophage (TAM) using prodigiosin-loaded mannan-coated magnetic nanoparticles (PG@M-MNPs). METHODS: The physicochemical properties of one-step synthetized M-MNPs were analyzed, including X-ray diffraction, FTIR, DLS, VSM, TEM, zeta potential analysis, and drug loading content were carried out. Biocompatibility, cancer specificity, cellular uptake, and distribution of PG@M-MNPs were investigated using fluorescence and confocal laser scanning microscopy, and flow cytometry. Furthermore, the expression levels of IL-6 and ARG-1 after treatment with PG and PG@M-MNPs on M1 and M2 macrophage subsets were studied. RESULTS: The M-MNPs were successfully synthesized and characterized, demonstrating a size below 100 nm. The release kinetics of PG from M-MNPs showed sustained and controlled patterns, with enzyme-triggered release. Cytotoxicity assessments revealed an enhanced selectivity of PG@M-MNPs against cancer cells and minimal effects on normal cells. Additionally, immuno-modulatory activity demonstrates the potential of PG@M-MNPs to change the polarization dynamics of macrophages. CONCLUSION: These findings highlight the potential of a targeted approach to breast cancer treatment, offering new avenues for improved therapeutic outcomes and patient survival.
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 | 0,000 | 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) | 0,000 | 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 ».