Cell-specific optoporation with near-infrared ultrafast laser and functionalized gold nanoparticles
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Selective targeting of diseased cells can increase therapeutic efficacy and limit off-target adverse effects. We developed a new tool to selectively perforate living cells with functionalized gold nanoparticles (AuNPs) and near-infrared (NIR) femtosecond (fs) laser. The receptor CD44 strongly expressed by cancer stem cells was used as a model for selective targeting. Citrate-capped AuNPs (100 nm in diameter) functionalized with 0.01 orthopyridyl-disulfide-poly(ethylene glycol) (5 kDa)-N-hydroxysuccinimide (OPSS-PEG-NHS) conjugated to monoclonal antibodies per nm(2) and 5 μM HS-PEG (5 kDa) were colloidally stable in cell culture medium containing serum proteins. These AuNPs attached mostly as single particles 115 times more to targeted CD44(+) MDA-MB-231 and CD44(+) ARPE-19 cells than to non-targeted CD44(-) 661W cells. Optimally functionalized AuNPs enhanced the fs laser (800 nm, 80-100 mJ cm(-2) at 250 Hz or 60-80 mJ cm(-2) at 500 Hz) to selectively perforate targeted cells without affecting surrounding non-targeted cells in co-culture. This novel highly versatile treatment paradigm can be adapted to target and perforate other cell populations by adapting to desired biomarkers. Since living biological tissues absorb energy very weakly in the NIR range, the developed non-invasive tool may provide a safe, cost-effective clinically relevant approach to ablate pathologically deregulated cells and limit complications associated with surgical interventions.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle