A Modular Supramolecular Peptide Platform Reveals Atomic-Number-Dependent Mechanisms Driving Radioenhancement
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Optimizing radioenhancer design for cancer therapy has been limited by inconsistent metal comparisons and unclear nanoscale mechanisms. High-Z nanoparticles are expected to enhance radiation effects through increased photoelectric absorption and secondary electron production, with the common assumption that radioenhancement efficacy increases uniformly with atomic number. However, this linear relationship may be oversimplified. Here, we introduce a versatile, supramolecular peptide platform enabling direct and standardized comparison of gadolinium (Gd), bismuth (Bi), and hafnium (Hf) as radioenhancers within a single, biologically targeted framework. This system is based on autoassembled peptide heterodimers (E3-K3) incorporating a flexible chelator (DOTAGA) and variable heavy-chain antibody (VHH) domains, ensuring uniform cellular uptake and precise tumor targeting. Systematic in vitro and in vivo analyses across HER2+ breast cancer and disseminated multiple myeloma models demonstrate that radioenhancement efficacy correlates with atomic number but not in a simple linear fashion, with physicochemical properties of each metal determining biological outcomes such as DNA damage induction, reactive oxygen species generation, and clonogenic survival reduction. Specifically, Gd- and Bi-loaded formulations significantly enhanced tumor control under external beam radiotherapy, with Bi exhibiting superior efficacy, while Gd-based constructs facilitated MRI-guided radioligand therapy. Our study elucidates fundamental physical mechanisms governing metal-dependent radioenhancement at the nanoscale but also establishes a broadly applicable theranostic approach with significant translational implications for personalized radiation oncology.
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 | 0,000 | 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 | 0,000 |
| 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 ».