Polish
Albanian
Arabic
Armenian
Azerbaijani
Belarusian
Bengali
Bosnian
Catalan
Czech
Danish
Deutsch
Dutch
English
Estonian
Finnish
Français
Greek
Haitian Creole
Hebrew
Hindi
Hungarian
Icelandic
Indonesian
Irish
Italian
Japanese
Korean
Latvian
Lithuanian
Macedonian
Mongolian
Norwegian
Persian
Polish
Portuguese
Romanian
Russian
Serbian
Slovak
Slovenian
Spanish
Swahili
Swedish
Turkish
Ukrainian
Vietnamese
Български
中文(简体)
中文(繁體)
Journal of Medicinal Chemistry 2020-Jul

Amplified detection of breast cancer autoantibodies using MUC1-based Tn antigen mimics

Tylko zarejestrowani użytkownicy mogą tłumaczyć artykuły
Zaloguj się Zarejestruj się
Link zostanie zapisany w schowku
Pablo Guillen-Poza
Elena Sánchez-Fernández
Gerard Artigas
José Fernández
Hiroshi Hinou
Carmen Mellet
Shin-Ichiro Nishimura
Fayna Garcia-Martin

Słowa kluczowe

Abstrakcyjny

In many human carcinomas, mucin-1 (MUC1) is overexpressed and aberrantly glycosylated, resulting in the exposure of previously hidden antigens. This generates new patient antibody profiles that can be used in cancer diagnosis. In the present study, we focused on the MUC1 associated Tn antigen (α-O-GalNAc-Ser/Thr), and substituted the GalNAc monosaccharide by a glycomimic to identify MUC1 based glycopeptides with increased antigenicity. Two different glycopeptide libraries presenting the natural Tn antigen or the sp2-iminosugar analog were synthesized and evaluated with anti-MUC1 monoclonal antibodies (mAbs) in a microarray platform. The most promising candidates were tested with healthy and breast cancer sera aiming for potential autoantibody-based biomarkers. The suitability of the sp2-iminosugar glycopeptides to detect anti-MUC1 antibodies was demonstrated and serological experiments showed stage I breast cancer autoantibodies binding with a specific unnatural glycopeptide with almost no healthy serum interaction. These results will promote further studies on its capabilities as early cancer biomarkers.

Dołącz do naszej strony
na Facebooku

Najbardziej kompletna baza danych ziół leczniczych poparta naukowo

  • Działa w 55 językach
  • Ziołowe leki poparte nauką
  • Rozpoznawanie ziół na podstawie obrazu
  • Interaktywna mapa GPS - oznacz zioła na miejscu (wkrótce)
  • Przeczytaj publikacje naukowe związane z Twoim wyszukiwaniem
  • Szukaj ziół leczniczych po ich działaniu
  • Uporządkuj swoje zainteresowania i bądź na bieżąco z nowościami, badaniami klinicznymi i patentami

Wpisz objaw lub chorobę i przeczytaj o ziołach, które mogą pomóc, wpisz zioło i zobacz choroby i objawy, na które są stosowane.
* Wszystkie informacje oparte są na opublikowanych badaniach naukowych

Google Play badgeApp Store badge