Radiation-guided nanoparticles enhance the efficacy of PARP inhibitors in primary and metastatic BRCA1-deficient tumors via immunotherapy
Notice bibliographique
Résumé
Poly (ADP-ribose) polymerase inhibitors (PARPi) have revolutionized the treatment landscape for patients suffering from BRCA1- mutated breast and ovarian cancers. However, responses are not durable. We demonstrate that treatment with the PARPi, niraparib, increases programmed cell death protein-1 ligand (PD-L1) expression in BRCA1 -deficient cancer cells, contributing to immune evasion. To circumvent this, we developed P-selectin-targeted poly (lactic- co -glycolic) acid (PLGA)–poly (ethylene glycol) (PEG)–based nanoparticles (NPs) encapsulating PARP and PD-L1 inhibitors at a synergistic ratio. To further enhance tumor targeting, we leveraged radiation-induced P-selectin upregulation in BRCA1 -deficient cancer cells and their associated angiogenic endothelial cells, improving NP accumulation in the primary tumors and hard-to-target metastatic sites, including brain metastasis. Using a combination of traditional 2-dimensional (2D) cell cultures, advanced 3-dimensional (3D) spheroids, tumor-on-a-chip platforms, and in vivo models, we demonstrate the enhanced accumulation and efficacy of the radiation-guided P-selectin-targeted NPs in primary and brain-metastatic BRCA1 -deficient tumors. Illustration showing a proposed mechanism by which radiation induces P-selectin expression on cancer cells and cancer-associated endothelial cells, resulting in enhanced accumulation of the sulfate-functionalized nanoparticles (sNPs), encapsulating niraparib and PD-L1 inhibitor (PD-L1i), in tumor sites. Created with BioRender.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».