MétaCan
Menu
Retour à la cohorte
Enregistrement W4408858711 · doi:10.1021/acsnano.4c17080

Leveraging Vitamin C to Augment Nanoenabled Photothermal Immunotherapy

2025· article· en· W4408858711 sur OpenAlexaff
Wuxian Deng, Yiyuan Wang, Junyu Wang, Yi‐Tan Su, Mingyang Li, Keming Qu

Notice bibliographique

RevueACS Nano · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensResponse Biomedical (Canada)
Organismes subventionnairesAnhui Provincial Key Research and Development PlanNational Key Research and Development Program of ChinaNatural Science Foundation of Anhui ProvinceMajor Science and Technology Projects in Anhui ProvinceChinese Academy of SciencesNational Natural Science Foundation of China
Mots-clésPhotothermal therapyImmunotherapyImmune systemCancer researchT cellPhotosensitizerTumor microenvironmentVitamin CImmunologyMedicineChemistryMaterials scienceInternal medicineNanotechnology

Résumé

récupéré en direct d'OpenAlex

Photothermal immunotherapy (PTI) is valuable for precise tumor targeting and immune activation. However, its efficacy is hindered by insufficient immune response, elevated antioxidant levels within tumor, and intrinsic tumor resistance mechanisms. This study introduces Vitamin C (VC), a widely available dietary nutrient, as an effective enhancer for PTI. High-dose VC induces oxidative imbalance in tumor cells, making them more susceptible to nanoenabled near-infrared-II photothermal therapy (NIR-II PTT) with the photosensitizer IR1080. The combination of VC and NIR-II PTT significantly amplifies antitumor immunity by upregulating CXCL16 expression and promoting CXCR6 + T cell infiltration. Clinical data reveal that higher CXCL16 and CXCR6 levels in human tumors correlate with improved survival and T cell infiltration, underscoring the translational potential of this approach. This study positions VC as a safe, accessible, and cost-effective dietary enhancer for PTI, reshaping the role of dietary nutrients in cancer therapy and offering a strategy for overcoming treatment resistance.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,151
Score d'incertitude au seuil0,934

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,213
Écart entre enseignants0,208 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207