项目名称: 精确靶向乳腺癌患者的个体化药物研究

项目编号: No.81501572

项目类型: 青年科学基金项目

立项/批准年度: 2016

项目学科: 医药、卫生

项目作者: 郭鹏

作者单位: 深圳大学

项目金额: 17万元

中文摘要: 乳腺癌是我国最常见女性癌症,且正以世界第一的增速(每年3%)高速增长,是我国亟待解决的重要健康问题。超过90%乳腺癌患者的死亡原因是由于肿瘤迁移,目前迁移性乳腺癌患者的五年生存率尚不足20%,且无任何有效治疗药物。因此,我们提出了一种可以精确靶向迁移性乳腺肿瘤的个体化抗癌药物。我们首次将“多元协同靶向”技术用于个体化抗癌药物研究:通过表征10名迁移性乳腺癌患者的2种特异靶点(ICAM-1和EGFR),建立起每位患者的个体化靶点组合,用于修饰脂质体药物模型。所得到个体化“多元协同靶向”药物通过与患者癌细胞膜脂筏中的ICAM-1和EGFR表达进行互补,既能提高靶向药物对肿瘤细胞靶向效率,精确的将药物运输到肿瘤位点,减少对正常器官的副作用;又能对癌细胞的ICAM-1和EGFR信号通路进行协同阻断,达到同时抑制肿瘤生长和迁移的协同治疗效果,为研究个体化抗癌药物提供了新理论和治疗技术。

中文关键词: 个体化药物;靶向治疗;药物运输;脂质体;纳米药物

英文摘要: Breast cancer is a major global health issue, and currently the most common form of women cancers worldwide. The primary cause of morbidity in these patients was tumor aggressiveness, characterized by metastases to regional lymph nodes, bone marrow, lung and liver. These sobering statistics, coupled with the fact that 20% of women diagnosed with breast cancer have advanced disease at the time of intial presentation, highlight the significant and unmet need for the development of therapeutics that treat aggressive and metastatic breast cancer (MBC). In this proposal, unlike conventional therapeutics that present a single targeting ligand homogeneously on a nanoparticle surface, we propose to engineer dual-targeting liposomal vehicles that complement the relative molecular density based on individual patients' pathological condition. This proposal will develop a therapeutic designed to precisely target mechanisms that govern MBC proliferation and metastasis, which may provide a significant opportunity to extend MBC patient survival.

英文关键词: Personalized Medicine;Targeted Therapy;Drug Delivery;Liposome;Nanomedicine

成为VIP会员查看完整内容
0

相关内容

医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
【ICLR2022】基于任务相关性的元学习泛化边界
专知会员服务
18+阅读 · 2022年2月8日
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
【NeurIPS2021】InfoGCL:信息感知图对比学习
专知会员服务
36+阅读 · 2021年11月1日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
20+阅读 · 2021年5月1日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Salient Objects in Clutter
Arxiv
0+阅读 · 2022年4月18日
小贴士
相关主题
相关VIP内容
医学图像关键点检测深度学习方法研究与挑战
专知会员服务
50+阅读 · 2022年4月10日
【ICLR2022】基于任务相关性的元学习泛化边界
专知会员服务
18+阅读 · 2022年2月8日
迁移学习方法在医学图像领域的应用综述
专知会员服务
59+阅读 · 2022年1月6日
【NeurIPS2021】InfoGCL:信息感知图对比学习
专知会员服务
36+阅读 · 2021年11月1日
专知会员服务
15+阅读 · 2021年6月6日
专知会员服务
20+阅读 · 2021年5月1日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员