MétaCan
Menu
Retour à la cohorte
Enregistrement W4414993271 · doi:10.1186/s12943-025-02463-y

Advances in RNA-based cancer therapeutics: pre-clinical and clinical implications

2025· review· en· W4414993271 sur OpenAlex
Yubo Yan, Shuang Liu, Jie Wen, Yunlong He, Chenyang Duan, Noushin Nabavi, Milad Ashrafizadeh, Gautam Sethi, Lubin Liu, Rong Ma

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMolecular Cancer · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésRNA interferencemicroRNACancerSmall interfering RNAGene silencingClinical trialImmunotherapyRNAGenetic enhancement

Résumé

récupéré en direct d'OpenAlex

Cancer therapy has been revolutionised by the emergence of RNA-based therapeutics, providing several strategies and mechanisms to regulate gene expression via messenger RNA (mRNA), small interfering RNA (siRNA), microRNAs (miRNA), antisense oligonucleotides (ASOs), and RNA aptamers. The present review highlights the recent advances in the preclinical development and clinical applications of RNA-based therapeutics, focusing on the delivery strategies, biological targets, and pharmacological optimisation, together with key clinical data. mRNA therapeutics, especially those adapted from vaccine platforms are being developed for the cancer immunotherapy and protein replacement, while siRNAs and ASOs enable highly specific gene silencing and splice correction. miRNA therapies show potential for diverse oncogenic pathway control, despite ongoing challenges in the delivery and specificity. RNA aptamers are obtaining attention as tumor-targeting agents in the drug delivery systems. Progress in lipid nanoparticles, chemical modifications, and tissue-specific delivery has improved the stability and efficacy of these agents. Early-phase clinical trials report encouraging outcomes in both solid tumours and haematologic malignancies, particularly in overcoming resistance and modulating the tumor microenvironment (TME). Although challenges remain in scalability, immune activation, and deep-tumour penetration, RNA-based strategies are advancing towards integration into clinical oncology. Continued refinement of delivery technologies and targeted trial designs will be critical for translating these therapies into effective, personalized cancer treatments. • RNA-based therapies allow for precise intervention at the genetic and molecular levels of cancer. RNA-based therapies enable targeted intervention at the genetic and molecular levels of cancer. • Distinct RNA modalities including mRNA, siRNA, miRNA, ASOs, and aptamers offer provide complementary mechanisms for tumor modulation. • Advances in delivery technologies, particularly lipid nanoparticles (LNPs), have significantly improved RNA stability, targeting, and intracellular uptake. • Clinical trials report encouraging promising efficacy and tolerability stability of RNA therapeutics in both solid tumours and haematologic malignancies. • Novel approaches such as self-amplifying RNA (saRNA) and synthetic lethality are emerging as precision strategies to address tumour heterogeneity and drug resistance. Questions • How do different types of RNA therapeutics function in cancer treatment? • What are the major challenges in delivering the delivery of RNA molecules effectively to tumor sites? • How do chemical modifications improve the performance of RNA-based drugs? • What clinical evidence supports the use of RNA therapeutics in oncology? • In what ways can RNA therapies be integrated into personalized cancer care strategies?

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 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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
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 Opus0,055
Tête enseignante GPT0,464
Écart entre enseignants0,409 · 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