Nanoparticulate drug combination inhibits DNA damage repair and PD-L1 expression in BRCA-mutant and wild type triple-negative breast cancer
Notice bibliographique
Résumé
The high mortality rate associated with metastatic breast cancer presents a significant global challenge. Inherent and chemotherapy-induced DNA damage repair, alongside immunosuppression, drastically contribute to triple-negative breast cancer (TNBC) relapse and metastasis. While poly (ADP-ribose) polymerase (PARP) inhibitors such as olaparib show effectiveness against BRCA1-mutant TNBC, they may lead to drug resistance and reduced efficacy due to increased programmed death-ligand 1 (PD-L1) expression. Our study explored the use of polymer-lipid nanoparticles (PLN) loaded with doxorubicin (DOX) and oligomeric hyaluronic acid (oHA), functionalized iRGD-peptide for integrins targeting (iRGD-DOX-oHA-PLN), to prevent TNBC immunosuppression, DNA repair, and metastasis. The results demonstrate that the iRGD-DOX-oHA-PLNs efficiently downregulated single and double-strand DNA repair proteins and enhanced DNA damage while decreasing PD-L1 expression compared to olaparib. Accordingly, iRGD-DOX-oHA-PLN treatment showed significantly higher efficiency in reducing levels of primary tumor growth and numbers of metastases to the lung and liver compared to olaparib in vitro and in vivo in both BRCA1-mutant and wild type TNBC orthotopic xenograft models. • iRGD-DOX-oHA-PLN nanoparticles effectively target triple-negative breast cancer. • Suppressed tumor growth and metastasis more than olaparib regardless of BRCA1 mutation • Inhibited DNA double- and single-strand break repair proteins and PD-L1 expression. • Exhibited superior efficacy over olaparib in BRCA1-mutant and wild-type TNBC 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 ».