Gemcitabine‐Loaded Injectable Hydrogel for Localized Breast Cancer Immunotherapy
Notice bibliographique
Résumé
Abstract Injectable hydrogels for cancer immunotherapy are effective for both active and passive approaches. Tumor‐infiltrating lymphocyte (TIL) immunoshaping can change the tumor microenvironment to favor tumor cell elimination. The primary objective of immunoshaping is to reduce regulatory T ‐cells (Tregs), which can enhance the effectiveness of ex vivo immune cell therapy in solid tumors. A shear‐thinning injectable hydrogel that consists of gelatin and Laponite (Gel‐Lap) is used in this study. By optimizing the formulation, their immunotherapeutic and anti‐tumor properties are examined. Gemcitabine (GEM), an anti‐metabolite cancer chemotherapy agent, is loaded into a Gel‐Lap hydrogel (immunogel). The study compares the effects of immunogel on 4T1 inoculated breast cancer animal models. Results show that immunogel increases survival rates and significantly inhibits metastasis. The Treg cell population reduction is observed up to 70% in TILs and splenocyte population in line with CD8+ T ‐cells population increment in inguinal lymph nodes near the tumor region; the CD8+ T ‐cells function may be mediated through overexpression of eomesodermin (EOMES) as cytotoxic T lymphocyte (CTL) activation transcription factor. The human 3D cell culture model confirmed results in animal data demonstrating T ‐cell migration through the hydrogel and anticancer efficacy. Local delivery of GEM using our silicate‐based hydrogel holds promise for editing tumor microenvironment in favor of systemic immune responses.
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 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 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 ».