Graphene Oxide‐Based Gene Modulation in Preferential Elimination of Lung Cancer Cells in a 3D Tumor Microenvironment Model
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
Lung cancer remains the leading cause of cancer‐related mortality worldwide, owing to its aggressive nature, late‐stage diagnosis, and resistance to conventional therapies. Gene therapy offers a promising alternative by modulating specific genetic pathways to target cancer cells while sparing healthy ones. This study investigates the potential of chemically functionalized nanoscale graphene oxide (GO) as carriers for delivering therapeutic genes in a 3D tumor microenvironment (TME) model, incorporating lung cancer cells, human lung fibroblasts, and macrophages in a Matrigel‐collagen matrix to mimic the structural properties and immune functions. These therapeutic genes, including small interfering RNAs and plasmid DNAs, regulate immune evasion markers (CD47 and CD24) and apoptosis‐inducing proteins (ANT1). GO nanocarriers demonstrate preferential uptake in cancer cells, achieving transfection and gene modulation within the TME model. The individual delivery of genes downregulates cancer markers and induces ANT1 expression, resulting in lung cancer cell elimination. Co‐delivery of CD47_siRNA and ANT1_pDNA produces synergistic efficacy, enhancing cancer cell elimination. These findings highlight the potential of GO‐based gene therapies as a targeted and effective approach for lung cancer treatment, setting the stage for in vivo validation and clinical translation.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 découle