Reactivating T cell immunity in Wnt-hyperactivated non-small cell lung cancer through a supramolecular droplet of carnosic acid and peptide
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The Wnt/β-catenin signaling pathway is renowned for its contribution to the immunosuppressive microenvironment in non-small cell lung cancer (NSCLC). Consequently, inhibiting this pathway has emerged as a promising strategy to enhance immune activation and reinstate T cell responses in cancer treatment. In this study, we initially investigate the metabolic characteristics of Wnt-hyperactivated NSCLC using mass spectroscopic detection in a mouse in-situ model and unveil its significant feature of acid accumulation at tumor sites. Building upon this discovery, we design an acid-sensitive peptide-carnosic acid (CA) supramolecular droplet (Pep1@CA), which leverages the acidic microenvironment characteristic of NSCLC for controlled release. By doing so, we aim to enhance targeting efficiency while minimizing off-target effects. As anticipated, Pep1@CA demonstrates potent tumor-specific inhibition of the Wnt signaling pathway and effectively reactivates T cell immunity in Wnt-hyperactivated NSCLC. Importantly, comprehensive in vivo evaluations reveal significant antitumor efficacy alongside excellent biosafety profiles. Collectively, this study provides a therapeutic strategy with promising clinical translational potential for targeting the Wnt signaling pathway and offers theoretical support for its application in immunotherapy. This innovative approach underscores that targeting pathways beyond traditional immunotherapy can also activate tumor immunity, thereby expanding the potential of cancer immunotherapy.
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.
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 | 0,002 |
| 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 | 0,001 |
| 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 découle