Discovering Cell‐Targeting Ligands and Cell‐Surface Receptors by Selection of DNA‐Encoded Chemical Libraries against Cancer Cells without Predefined Targets

癌细胞 细胞 计算生物学 药物发现 DNA 癌症 受体 癌症研究 化学 生物 生物化学 遗传学
作者
Yuhan Gui,Rui Hou,Yuchen Huang,Yu Zhou,Shihao Liu,Meng Ling,Ying Li,Fong Sang Lam,Rong Ding,Yan Cao,Gang Li,Xiaojie Lu,Xiaoyu Li
出处
期刊:Angewandte Chemie [Wiley]
标识
DOI:10.1002/anie.202421172
摘要

Small molecules that can bind to specific cells have broad applications in cancer diagnosis and treatment. Screening large chemical libraries against live cells is an effective strategy for discovering cell‐targeting ligands. The DNA‐encoded chemical library (DEL or DECL) technology has emerged as a robust tool in drug discovery and has been successfully utilized in identifying ligands for biological targets. However, nearly all DEL selections have predefined targets, while target‐agnostic DEL selections interrogating the entire cell surface remain underexplored. Herein, we systematically optimized a cell‐based DEL selection method against cancer cells without predefined targets. A 104.96‐million‐member DEL was selected against MDA‐MB‐231 and MCF‐7 breast cancer cells, representing high and low metastatic properties, respectively, which led to the identification of cell‐specific small molecules. We further demonstrated cell‐targeting applications of these ligands in cancer photodynamic therapy and targeted drug delivery. Finally, leveraging the DNA tag of DEL compounds, we identified α‐enolase (ENO1) as the cell surface receptor of one of the ligands targeting the more aggressive MDA‐MB‐231 cells. Overall, this work offers an efficient approach for discovering cell‐targeting small molecule ligands by using DELs and demonstrates that DELs can be a useful tool to identify specific surface receptors on cancer cells.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
雪小岳发布了新的文献求助30
3秒前
隐形曼青应助莉莉采纳,获得10
3秒前
汉堡包应助oneJone采纳,获得10
3秒前
wei完成签到,获得积分10
4秒前
叶子宁完成签到,获得积分10
5秒前
5秒前
6秒前
6秒前
Patrick完成签到,获得积分10
7秒前
wangkun090121发布了新的文献求助10
7秒前
嵇丹雪完成签到,获得积分10
9秒前
小马甲应助快乐的冰枫采纳,获得10
9秒前
橙花完成签到 ,获得积分10
9秒前
研友_nvGWwZ发布了新的文献求助10
10秒前
1234完成签到,获得积分10
11秒前
科研通AI2S应助按揭采纳,获得10
11秒前
12秒前
13秒前
13秒前
14秒前
wuweifeng710完成签到,获得积分20
15秒前
15秒前
LBB发布了新的文献求助10
16秒前
16秒前
五岳三鸟完成签到,获得积分10
17秒前
17秒前
显赫一世完成签到,获得积分10
17秒前
糊涂的天思完成签到 ,获得积分10
18秒前
索多倍发布了新的文献求助10
18秒前
pokemeow发布了新的文献求助30
19秒前
Chao完成签到,获得积分10
19秒前
19秒前
hetao286发布了新的文献求助10
19秒前
雷大帅发布了新的文献求助10
19秒前
合适夏天完成签到,获得积分10
21秒前
ying完成签到,获得积分10
22秒前
zxxxx发布了新的文献求助10
22秒前
张大然完成签到 ,获得积分10
22秒前
Chao发布了新的文献求助10
22秒前
Jerry完成签到,获得积分10
22秒前
高分求助中
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger Heßler, Claudia, Rud 1000
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 1000
Natural History of Mantodea 螳螂的自然史 1000
A Photographic Guide to Mantis of China 常见螳螂野外识别手册 800
Autoregulatory progressive resistance exercise: linear versus a velocity-based flexible model 500
Spatial Political Economy: Uneven Development and the Production of Nature in Chile 400
山海经图录 李云中版 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 细胞生物学 免疫学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3327904
求助须知:如何正确求助?哪些是违规求助? 2958065
关于积分的说明 8589051
捐赠科研通 2636332
什么是DOI,文献DOI怎么找? 1442923
科研通“疑难数据库(出版商)”最低求助积分说明 668438
邀请新用户注册赠送积分活动 655568