MétaCan
Menu
Retour à la cohorte
Enregistrement W7116760422 · doi:10.1021/acsnano.5c18243

Leveraging Cisplatin-Derived Prodrugs as Helper Lipids in LNPs to Boost the Efficacy of Cancer Chemoimmunotherapy

2025· article· en· W7116760422 sur OpenAlexaff
Xuanbo Zhang, Shipeng Ning, Feng Fang, Cao Zhou, Zifan Yang, Liping Cao, Kaiyuan Wang, Zunyong Feng, Bingyu Li, Dixian Luo, Xiao Xu, Zhigang Liu, Xiaoyuan Chen

Notice bibliographique

RevueACS Nano · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensInstitute of Cancer Research
Organismes subventionnairesShenzhen UniversityChina Postdoctoral Science FoundationNational Medical Research CouncilNational Research Foundation SingaporeNational Natural Science Foundation of ChinaMinistry of Education - SingaporeNational University of Singapore
Mots-clésProdrugChemoimmunotherapyIn vivoPhosphatidylserineImmune systemCancerIn vitroChemotherapyDrug delivery

Résumé

récupéré en direct d'OpenAlex

Cisplatin's clinical utility is limited by its toxicity, drug resistance, and promotion of immune suppression due to phosphatidylserine (PS) exposure during tumor cell apoptosis. This study introduces a novel approach that integrates cisplatin-derived lipid prodrugs into lipid nanoparticles (PtLNPs) to overcome these challenges. By converting cisplatin to lipid derivatives, we facilitate its incorporation into LNPs, enhancing both the delivery and protection of functional siRNA/mRNA molecules. The synthesized lipid-Pt prodrugs significantly improved the in vitro delivery efficiency and stability of these nucleic acids. Additionally, a codelivery system combining Xkr8 siRNA and annexin A5 (ANX5) mRNA within PtLNPs effectively mitigated cisplatin-induced PS exposure by inhibiting Xkr8 upregulation and promoting ANX5 expression to bind PS. In vivo studies demonstrated that the PtLNP system substantially enhanced the efficacy of combined chemotherapy and immunotherapy, offering a promising strategy to refine cisplatin-based cancer therapy by integrating nucleic acid delivery technologies.

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 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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,019
Score d'incertitude au seuil0,364

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,289
Écart entre enseignants0,279 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetRNA Interference and Gene DeliveryTravaux en français237 207