摘要:羟基磷灰石纳米粒子 (HApNPs) 是一种尺寸小于 100 纳米的无机材料。它们的主要特性是生物相容性,因为它们的化学成分与人体骨骼相似,因此适合在生理环境中使用。这些特性使它们成为一种有前途的甾醇衍生药物输送替代品,与传统的药物输送方法相比,具有更好的靶向性和控制释放性。在本研究中,使用化学沉淀法合成了负载胆固醇和 β-谷甾醇的 HApNPs。通过傅里叶变换红外 (FTIR) 光谱对纳米粒子 (NPs) 进行表征,以识别功能组并确认 HApNPs 上存在甾醇。使用透射电子显微镜 (TEM) 和动态光散射 (DLS) 分析了 NPs 的形态和尺寸。通过热重分析确定甾醇衍生物的负载量,并评估了纳米粒子在酸性介质中的稳定性。结果表明,成功合成了负载胆固醇和β-谷甾醇的HApNP,其呈球形,直径小于100纳米。数据证实胆固醇和β-谷甾醇已掺入HApNP表面,并且随后释放。此外,纳米生物界面中甾醇衍生物的存在增强了纳米粒子对酸性条件的抵抗力,表明它们有可能作为药物纳米载体在肠道中靶向释放,而不会在通过胃的过程中发生改变。关键词:羟基磷灰石纳米粒子、胆固醇、β-谷甾醇、界面、酸性介质。
3爱丁堡大学生物科学学院,Max Born Crescent,Edinburgh,EH9 3BF,英国。 *相应的作者:d.oyarzun@ed.ac.uk; n.carragher@ed.ac.uk摘要胶质母细胞瘤多形(GBM)是一种侵略性的原发性脑肿瘤,由于其复杂的病理和异质性,引起了重大治疗挑战。 缺乏经过验证的分子靶标是发现新的治疗候选者的主要障碍,在二十年中,没有向患者提供新的有效GBM疗法。 在这里,我们报告了针对GBM干细胞存活表型的化合物的鉴定。 我们的方法采用机器学习(ML)的预测指标的细胞存活率,这些细胞存活在高通量,基于图像的,基于图像的表型筛选数据中,用于3,561种化合物,以多个浓度,跨六个异质,患者衍生的GBM干细胞系进行多个浓度。 我们在计算上筛选了跨越各种化学类别的12,000多种化合物。 对GBM干细胞系中ML识别的候选物的实验验证,导致了三种化合物对GBM表型的活性。 值得注意的是,我们经过验证的HSP90抑制剂XL888之一,靶向消除所有六个GBM干细胞系,其IC50在纳莫尔范围内。 其他两种化合物在具有不同细胞系敏感性的多个GBM细胞系中展示了广泛的活动,为将来的个性化医学运动提供了途径。 患者的预后较差,治疗方案有限(通常是手术,然后进行化学放疗),导致抗药性的出现。3爱丁堡大学生物科学学院,Max Born Crescent,Edinburgh,EH9 3BF,英国。*相应的作者:d.oyarzun@ed.ac.uk; n.carragher@ed.ac.uk摘要胶质母细胞瘤多形(GBM)是一种侵略性的原发性脑肿瘤,由于其复杂的病理和异质性,引起了重大治疗挑战。缺乏经过验证的分子靶标是发现新的治疗候选者的主要障碍,在二十年中,没有向患者提供新的有效GBM疗法。在这里,我们报告了针对GBM干细胞存活表型的化合物的鉴定。我们的方法采用机器学习(ML)的预测指标的细胞存活率,这些细胞存活在高通量,基于图像的,基于图像的表型筛选数据中,用于3,561种化合物,以多个浓度,跨六个异质,患者衍生的GBM干细胞系进行多个浓度。我们在计算上筛选了跨越各种化学类别的12,000多种化合物。对GBM干细胞系中ML识别的候选物的实验验证,导致了三种化合物对GBM表型的活性。值得注意的是,我们经过验证的HSP90抑制剂XL888之一,靶向消除所有六个GBM干细胞系,其IC50在纳莫尔范围内。其他两种化合物在具有不同细胞系敏感性的多个GBM细胞系中展示了广泛的活动,为将来的个性化医学运动提供了途径。患者的预后较差,治疗方案有限(通常是手术,然后进行化学放疗),导致抗药性的出现。我们的工作证明了在与ML串联串联中使用表型筛选的使用可以有效地识别具有很少已知分子靶标的高度异质指示中个性化处理的治疗铅。关键字:胶质母细胞瘤,人工智能,药物发现,机器学习简介胶质母细胞瘤多形(GBM)是人类成年人中最常见和最具侵略性的原发性脑肿瘤,其特征是遗传驱动因素的实质异质性和肿瘤微环境1-3。在过去20年中,新诊断的GBM患者的护理标准包括手术,替莫唑胺(TMZ)和电离辐射(IR),延长了12个月至15个月患者的总体生存期4,5。大规模的基因组分析增强了我们对GBM分子生物学的理解,后者支持
最重要的是在T细胞表面上的CD28共刺激分子和在抗原呈递细胞上的CD80分子的组合(10)。在T细胞激活的双重信号传导系统中,CD28激活的不存在导致过度激活诱导的细胞死亡(AICD)。然而,在CD80与CD28结合后,可以避免T细胞的AICD,从而导致T细胞的耐用抗肿瘤活性(11)。此外,CD80和CD28的组合还可以增强T细胞的细胞因子(例如IL-2)的分泌。此外,它可以增强CD4+ T细胞的增殖以及CD4+和CD8+ T细胞的细胞毒性活性(4)。最近的研究表明,共刺激分子CD28对T细胞的活性不足会导致T细胞的抗肿瘤活性降低(12)。然而,随着CD28激活信号的增加,T细胞的抗肿瘤活性得到了增强(13,14)。因此,通过CD80在T细胞表面的CD28分子激活可能会提高T细胞对实体瘤的杀伤效率,从而提供一种新的免疫疗法方法。
这个深入的重点探讨了再生医学和创新疗法领域的发展。神经疗法的创始人兼首席执行官Cory Nicholas博士对其有希望的临床前数据有着令人信服的见解,该数据涉及NRTX-1001,这是一种旨在对抗源自人类Pluripotent干细胞的再生神经细胞疗法。史蒂夫·奥基夫(Steve O'Keeffe),愤怒的@关节炎背后的有远见者,巴塞尔大学的伊万·马丁(Ivan Martin)博士进行了关于再生方法在彻底改变骨关节炎治疗方面的变革潜力的对话,为受影响的人带来了希望。Insmed Incorporated首席科学官Brian Kaspar博士讨论了基因疗法开发中面临的挑战,阐明了医疗研究和发展的不断发展的景观,以及我们如何推动界限来应对这些挑战。最后,联合创始人,卫星治疗学首席执行官兼董事会成员弗兰克·格里森(Frank Gleeson)深入研究了肌肉修复的世界,探索了再生医学的进步和可能性。
乳腺癌仍然是全球女性癌症相关死亡的主要原因,凸显了对新治疗策略的需求。滋养层细胞表面抗原 2 (Trop-2) 是一种 I 型跨膜糖蛋白,在包括所有乳腺癌亚型在内的各种实体瘤中高度表达,已成为癌症治疗的一个有希望的靶点。本综述重点介绍用于治疗乳腺癌的 Trop-2 靶向抗体-药物偶联物 (ADC) 的最新进展。我们全面分析了 ADC 的结构和作用机制,以及 Trop-2 在乳腺癌进展和预后中的作用。几种 Trop-2 靶向 ADC,如 Sacituzumab Govitecan (SG) 和 Datopotamab Deruxtecan (Dato-DXd),在三阴性乳腺癌 (TNBC) 和激素受体阳性/HER2 阴性 (HR+/HER2-) 乳腺癌的临床试验中均表现出显着的抗肿瘤活性。我们系统地回顾了这些 ADC 正在进行的临床研究,重点介绍了它们的疗效和安全性。此外,我们还探索了将 Trop-2 靶向 ADC 与其他治疗方式(包括免疫疗法、靶向疗法和小分子抑制剂)相结合的潜力。值得注意的是,Trop-2 靶向 ADC 已显示出通过多种信号通路重新编程肿瘤微环境的前景,有可能增强抗肿瘤免疫力。本综述旨在为创新乳腺癌疗法的开发提供新的见解和研究方向,为改善乳腺癌患者的治疗结果和生活质量提供潜在的解决方案。
关于 SURESCREEN DIAGNOSTICS SureScreen Diagnostics 在过去 25 余年一直是横向流动免疫色谱检测和诊断领域的全球领导者,专门从事传染病、媒介传播病毒、健康筛查和药物滥用检测。SureScreen 因其创新和国际贸易卓越表现而获得认可,并于 2023 年获得了两项享有盛誉的国王奖。 简介 SureScreen Diagnostics 向众议院卫生、老年护理和体育常设委员会提交了此提案,以回应其“对澳大利亚酒精和其他药物对健康影响的调查”。该提案强调,饮料中掺假是一个影响个人健康和安全的关键问题,尤其是在高风险区域、夜间行业、持牌场所和节日期间。
©2012美国临床药理学和治疗学会;本文未发表在出版商中。引用时,请检查出版商的版本。 ;这不是已发布的版本。请仅引用已发布的版本。
结直肠癌(CRC)是近年来全球发病率和死亡率最高的恶性肿瘤之一,主要起源于结肠或直肠的粘膜组织,并有可能快速发展为侵袭性癌症。它的发病机理很复杂,涉及许多因素,包括遗传背景,生活方式和饮食习惯。早期检测和治疗是提高CRC患者存活率的关键。然而,普遍的问题是患者可以严重抵抗治疗,这大大增加了治疗的复杂性和挑战。因此,揭开和克服CRC的抵抗力已成为研究的重点。线粒体(细胞的能量中心)在细胞代谢,能量供应和凋亡过程中起着至关重要的作用。在CRC中,线粒体功能障碍不仅会损害正常的细胞功能,还会促进肿瘤耐药性。因此,对线粒体功能障碍与CRC发育机制之间的关系有深入的了解,以及促进对化学疗法药物抗药性的机制,对于靶向疗法的发展,增强药物效率以及改善患者寿命的治疗效果和质量至关重要。
临床前扰动筛选,其中在疾病模型上系统地测试了遗传,化学或环境扰动的影响,由于其规模和因果性质,对机器学习增强的药物发现具有巨大的希望。预测模型可以根据分子特征来推断以前未经测试的疾病模型的扰动反应。这些在计算机标签中可以扩展数据库并指导实验优先级。但是,对扰动特异性效应进行建模并在各种生物环境中产生健壮的预测性能仍然难以捉摸。我们介绍了LEAP(自动编码器和预测变量的分层集合),这是一个新颖的集合框架,可改善稳健性和概括。LEAP利用多个Damae(数据增强蒙版的自动编码器)表示和套索回归器。通过结合从不同随机初始化中学到的多种基因表达表示模型,在预测未见细胞系,组织和疾病模型中基因本质或药物反应方面始终胜过最先进的方法。值得注意的是,我们的结果表明,结合表示模型而不是仅预测模型会产生出色的预测性能。超出其性能增长,LEAP在计算上是有效的,需要最小的高参数调整,因此很容易将其纳入药物发现管道中,以优先考虑有希望的目标并支持生物标志物驱动的分层。这项工作中使用的代码和数据集可公开使用。