Diversity-oriented synthesis of second generation guanidinium-rich transporters toward cell-selective penetration
Notice bibliographique
Résumé
• A library of 256 peptidomimetics was synthesized using an automated peptide synthesizer. • The synthesized library exhibits selective internalization to Hela cells in comparison with HEK293 cells. • Compounds 155 and 187, show 2.7-fold and 2.9-fold higher in cellular uptake on HeLa cells compared to HEK293 cells, respectively. Cell-penetrating peptides (CPPs) hold significant promise for intracellular delivery of various cargo molecules such as therapeutics. However, the lack of selectivity remains a critical challenge and limits the clinical application of CPPs. Using an automated peptide synthesizer, we generated a diversity-oriented library of 256 peptidomimetics containing four modified peptoid guanidine-bearing monomers incorporated alternatively with four α-amino acids. These α-amino acids were chosen to enhance lipophilic interactions with the cell membrane (Phe, 2Nal) or to bear pH-sensitive properties (His), which could enhance cancer cell selectivity. The synthesized library exhibits selective internalization, with an average selectivity index (SI) of 1.49 for HeLa cells in comparison to non-cancerous HEK293 cells. Compounds 155 and 187 , containing three His residues and either Phe or 2Nal, show high cellular uptake in HeLa cells (64.6 % and 75.7 %, respectively) and possess an SI of 2.7 and 2.9, respectively, at the tested dose of 5 μM. Altogether, these findings highlight the use of diversity-oriented library synthesis to identify cell-permeable candidates as well as their potential for targeted cellular delivery and enhanced specificity.
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 ».