Developing a Personalized Cancer Nanovaccine Using Coxsackievirus‐Reprogrammed Cancer Cell Membranes for Enhanced Anti‐Tumor Immunity
Notice bibliographique
Résumé
Cancer vaccines emerge as a promising approach in immunotherapy, but their efficacy is often hindered by immunosuppressive factors like PD-L1 on tumor cell membranes. To address this challenge, a personalized nanovaccine is developed using membranes from Coxsackievirus B3 (CVB3)-infected 4T1 breast cancer cells combined with heat-deactivated CVB3 (hdCVB3) encapsulated in PLGA nanoparticles (PLGA@hdCVB3I4T1M). RNA sequencing reveals significant upregulation of immune activation-related genes, while protein analysis demonstrates reduced immunosuppressive markers (PD-L1, B7-H3, CD47) and increased immunostimulatory proteins (calreticulin), enhancing immune cell uptake and activation. In vitro and in vivo studies confirm the safety and potent immunostimulatory effects of PLGA@hdCVB3I4T1M, leading to enhanced immune cell infiltration, elevated proinflammatory cytokine production, and robust antitumor responses. The nanovaccine significantly improves tumor suppression and prolongs survival in animal models. Additionally, the inclusion of hdCVB3 amplified immune recognition of both viral and tumor antigens, further enhancing therapeutic efficacy, particularly when combined with oncolytic virotherapy. Mechanistically, this strategy primes the immune system for a more effective and sustained antitumor response. In summary, PLGA@hdCVB3I4T1M effectively stimulates the immune system, overcoming tumor immune evasion. This nanovaccine represents a promising strategy for enhancing cancer immunotherapy and holds strong potential for clinical translation, particularly in combination with oncolytic virotherapy.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 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 ».