Nanoparticle encapsulation enables systemic IGF-Trap delivery to inhibit intracerebral glioma growth
Notice bibliographique
Résumé
BACKGROUND: Glioblastoma is an aggressive brain cancer with a 5-year survival rate of 5-10%. Current therapeutic options are limited, due in part to drug exclusion by the blood-brain barrier, restricting access of targeted drugs to the tumor. The receptor for the type 1 insulin-like growth factor (IGF-1R) was identified as a therapeutic target in glioblastoma. We previously reported that the intracerebral growth of glioma cells with reduced IGF-1R levels was inhibited. The objectives of this study were to evaluate the sensitivity of glioma cells to a novel IGF-axis inhibitor, the IGF-Trap, and optimize its delivery to the brain. METHODS: We tested the effect of the IGF-Trap on the growth of the human glioma stem cells MES-1123 and U87 MG cells, and of murine GL261 cells in vivo, using subcutaneous and orthotopic implantation. RESULTS: We show that the growth of glioma cells implanted subcutaneously or orthotopically in the brain was inhibited by systemic and direct intracerebral administration of IGF-Trap, respectively, resulting in increased survival. To increase the efficiency of systemic delivery to the brain, we encapsulated the IGF-Trap in trimethyl chitosan (TRIOZAN™) nanoparticles prior to intravenous injection. We found that nanoparticle encapsulation increased the uptake and retention of the IGF-Trap in the brain and resulted in an improved therapeutic effect against intra-cerebrally growing tumors. CONCLUSION: Our results identify the IGF-Trap as a potent inhibitor of intracerebral glioma growth and show that encapsulation in nanoparticles can improve delivery of biologics such as the IGF-Trap to the brain, thereby enhancing the therapeutic response.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».