MaltSci 麦伴科研

Appearance

文献精选 > 近年高分"合成生物学"研究（IF≥30，近5年）

Engineering advanced cancer therapies with synthetic biology. ​

文献信息 ​

DOI10.1038/s41568-019-0121-0
PMID30837696
期刊Nature reviews. Cancer
影响因子66.8
JCR 分区Q1
发表年份2019
被引次数42
关键词合成生物学, 癌症治疗, 免疫细胞, 基因电路, 肿瘤抗原
文献类型Journal Article, Research Support, N.I.H., Extramural, Research Support, U.S. Gov't, Non-P.H.S., Review
ISSN1474-175X
页码187-195
期号19(4)
作者Ming-Ru Wu, Barbara Jusiak, Timothy K Lu

一句话小结 ​

本研究回顾了合成生物学在癌症治疗中的应用，特别是基于工程化免疫细胞的癌症基因电路疗法，以应对B细胞恶性肿瘤的治疗挑战，如靶向抗原缺乏和免疫抑制。研究强调了这些新疗法在特异性靶向癌细胞及保护健康细胞方面的潜力，并探讨了其临床应用中的挑战与未来发展方向。

在麦伴科研 (maltsci.com) 搜索更多文献 ​

合成生物学 · 癌症治疗 · 免疫细胞 · 基因电路 · 肿瘤抗原

摘要 ​

以工程化免疫细胞为基础的癌症治疗在B细胞恶性肿瘤中表现出强大的疗效，但理想的可靶向肿瘤抗原缺乏、肿瘤介导的免疫抑制以及严重的毒性等挑战仍然妨碍其治疗效果和广泛应用。合成生物学可以用于克服这些挑战，创造出更为强健和有效的适应性治疗，使其能够特异性靶向癌细胞，同时保护健康细胞。在这篇进展文章中，我们回顾了最近开发的以免疫细胞、核酸和细菌为底盘的癌症基因电路疗法。最后，我们讨论了实现这些基因电路疗法在临床应用中的突出挑战和未来方向。

英文摘要 ​

Engineered immune-cell-based cancer therapies have demonstrated robust efficacy in B cell malignancies, but challenges such as the lack of ideal targetable tumour antigens, tumour-mediated immunosuppression and severe toxicity still hinder their therapeutic efficacy and broad applicability. Synthetic biology can be used to overcome these challenges and create more robust, effective adaptive therapies that enable the specific targeting of cancer cells while sparing healthy cells. In this Progress article, we review recently developed gene circuit therapies for cancer using immune cells, nucleic acids and bacteria as chassis. We conclude by discussing outstanding challenges and future directions for realizing these gene circuit therapies in the clinic.

麦伴智能科研服务 ​

智能阅读回答你对文献的任何问题，帮助理解文献中的复杂图表和公式
定位观点定位某个观点在文献中的蛛丝马迹
加入知识库完成数据提取，报告撰写等更多高级知识挖掘功能

主要研究问题 ​

  1. 合成生物学如何在针对特定肿瘤抗原的开发中发挥作用？
  2. 在工程免疫细胞治疗中，如何解决肿瘤介导的免疫抑制问题？
  3. 有哪些新兴的基因电路疗法可以提高癌症治疗的安全性和有效性？
  4. 合成生物学在癌症治疗中的应用是否能够扩展到其他类型的肿瘤？
  5. 当前针对癌症的基因电路疗法面临哪些主要挑战，未来的研究方向是什么？

核心洞察 ​

1. 研究背景和目的 ​

在癌症治疗领域，工程化的免疫细胞疗法已经在B细胞恶性肿瘤中显示出强大的疗效。然而，这类疗法仍面临多个挑战，包括缺乏理想的可靶向肿瘤抗原、肿瘤介导的免疫抑制以及严重的毒性反应。这些问题限制了治疗的有效性和广泛应用。本文旨在探讨如何利用合成生物学的技术克服这些挑战，开发出更加稳健和有效的适应性癌症治疗方法，特别是能够特异性靶向癌细胞并保护健康细胞的疗法。

2. 主要方法和发现 ​

文章回顾了近年来利用基因电路疗法治疗癌症的进展，重点介绍了免疫细胞、核酸和细菌作为“底盘”进行的创新性研究。通过合成生物学的手段，研究人员能够设计和构建复杂的基因电路，这些电路可以在细胞内执行特定的功能，比如识别肿瘤细胞并激活免疫反应。这些基因电路的开发不仅提高了治疗的选择性，还增强了免疫细胞的抗肿瘤活性。

3. 核心结论 ​

结论指出，尽管基因电路疗法在实验室研究中显示出良好的前景，但在临床应用中仍面临许多挑战，包括安全性、有效性和生产的可行性等问题。未来的研究需要集中在优化这些基因电路的设计，使其能够在复杂的肿瘤微环境中有效运行，并确保患者的安全和治疗的可及性。

4. 研究意义和影响 ​

本研究的意义在于为癌症治疗提供了一种新的思路和方法，利用合成生物学的技术手段能够解决当前癌症免疫疗法所面临的主要障碍。这将可能改变癌症治疗的现状，提高治疗的特异性和安全性，减少对患者的副作用。随着基因电路疗法的进一步优化和临床试验的展开，未来可能会出现更广泛有效的癌症治疗方案，极大地改善患者的生存率和生活质量。

引用本文的文献 ​

  1. Targeting Programmed Fusobacterium nucleatum Fap2 for Colorectal Cancer Therapy. - Kumar Ganesan;Songhe Guo;Sundaz Fayyaz;Ge Zhang;Baojun Xu - Cancers (2019)
  2. LncRNAs as Chromatin Regulators in Cancer: From Molecular Function to Clinical Potential. - Rodiola Begolli;Nikos Sideris;Antonis Giakountis - Cancers (2019)
  3. PiggyBac transposon system with polymeric gene carrier transfected into human T cells. - Yan Zheng;Zhan-Rong Li;Ran Yue;Yu-Long Fu;Zi-Yang Liu;Hua-Yang Feng;Jing-Guo Li;Shuang-Yin Han - American journal of translational research (2019)
  4. Biosensing in Smart Engineered Probiotics. - Austin G Rottinghaus;Matthew B Amrofell;Tae Seok Moon - Biotechnology journal (2020)
  5. Data-driven statistical modeling of the emergent behavior of biohybrid microrobots. - Eric J Leaman;Ali Sahari;Mahama A Traore;Brian Q Geuther;Carmen M Morrow;Bahareh Behkam - APL bioengineering (2020)
  6. Synthetic Biology Speeds Up Drug Target Discovery. - Yixuan Xie;Yanfang Yang;Yu He;Xixi Wang;Peng Zhang;Haocheng Li;Shufang Liang - Frontiers in pharmacology (2020)
  7. Tuning up Transcription Factors for Therapy. - Attila Becskei - Molecules (Basel, Switzerland) (2020)
  8. A versatile genetic control system in mammalian cells and mice responsive to clinically licensed sodium ferulate. - Yidan Wang;Shuyong Liao;Ningzi Guan;Yuanxiao Liu;Kaili Dong;Wilfried Weber;Haifeng Ye - Science advances (2020)
  9. Automated classification of bacterial cell sub-populations with convolutional neural networks. - Denis Tamiev;Paige E Furman;Nigel F Reuel - PloS one (2020)
  10. A glucose meter interface for point-of-care gene circuit-based diagnostics. - Evan Amalfitano;Margot Karlikow;Masoud Norouzi;Katariina Jaenes;Seray Cicek;Fahim Masum;Peivand Sadat Mousavi;Yuxiu Guo;Laura Tang;Andrew Sydor;Duo Ma;Joel D Pearson;Daniel Trcka;Mathieu Pinette;Aruna Ambagala;Shawn Babiuk;Bradley Pickering;Jeff Wrana;Rod Bremner;Tony Mazzulli;David Sinton;John H Brumell;Alexander A Green;Keith Pardee - Nature communications (2021)

... (32 更多 篇文献)

© 2025 MaltSci 麦伴科研 - 我们用人工智能技术重塑科研