Differential toxicity of gold-doxorubicin in cancer cells <i>vs.</i> cardiomyocytes as measured by real-time growth assays and fluorescence lifetime imaging microscopy (FLIM)
Notice bibliographique
Résumé
The kinetics of toxicity of doxorubicin (Dox) and gold nanoparticle-conjugated doxorubicin (Au-Dox) were investigated in cultured B16 melanoma cells and cardiomyocytes using real-time cell-growth imaging. Both bolus exposure and continuous exposure were used. Modeling of the growth curve dynamics suggested patterns of uptake and/or expulsion of the drug that were different for the different cell lines and exposures. Dox alone in B16 cells fit to a model of slow drug buildup, whereas Au-Dox fit to a pattern of initial high drug efficacy followed by a decrease. In cardiomyocytes, the best fit was to a model of increasing drug concentration which then began to decrease, consistent with breakdown of the doxorubicin in solution. Cardiomyocytes were more sensitive than B16 cells to Dox alone (IC50 123 ± 2 nM vs. 270 ± 2 nM with continuous exposure), but were dramatically less sensitive to Au-Dox (IC50 1 ± 0.1 μM vs. 58 ± 5 nM with continuous exposure). Bolus exposure for 40 min led to significant cell death in B16 cells but not in cardiomyocytes. Fluorescence lifetime imaging (FLIM) showed different patterns of uptake of Au-Dox in the two cell types that explained the differential toxicity. While Au-Dox concentrated in the nuclei of B16 cells, it remained endosomal in cardiomyocytes. These results suggest that stable conjugates of nanoparticles to doxorubicin may be useful for treating resistant cancers while sparing healthy tissue.
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.
Comment cette classification a été obtenuedéplier
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».