Real-time, non-invasive monitoring of hydrogel degradation using LiYF<sub>4</sub>:Yb<sup>3+</sup>/Tm<sup>3+</sup> NIR-to-NIR upconverting nanoparticles
Notice bibliographique
Résumé
To design a biodegradable hydrogel as cell support, one should know its in vivo degradation rate. A technique commonly used to track gel degradation is fluorescence spectroscopy. However, the fluorescence from conventional fluorophores quickly decays, and the fluorophores are often moderately cytotoxic. Most importantly, they require ultraviolet or visible (UV-Vis) light as the excitation source, which cannot penetrate deeply through biological tissues. Lanthanide-doped upconverting nanoparticles (UCNPs) are exciting alternatives to conventional fluorophores because they can convert near-infrared (NIR) to UV-Vis-NIR light via a sequential multiphoton absorption process referred to as upconversion. NIR light can penetrate up to few cm inside tissues, thus making these UCNPs much better probes than conventional fluorophores for in vivo monitoring. Also, UCNPs have narrow emission bands, high photoluminescence (PL) signal-to-noise ratio, low cytotoxicity and good physical and chemical stability. Here, we show a nanocomposite system consisting of a biodegradable, in situ thermogelling injectable hydrogel made of chitosan and hyaluronic acid encapsulating silica-coated LiYF4:Yb(3+)/Tm(3+) UCNPs. We use these UCNPs as photoluminescent tags to monitor the gel degradation inside live, cultured intervertebral discs (IVDs) over a period of 3 weeks. PL spectroscopy and NIR imaging show that NIR-to-NIR upconversion of LiYF4:Yb(3+)/Tm(3+)@SiO2 UCNPs allows for tracking of the gel degradation in living tissues. Both in vitro and ex vivo release of UCNPs follow a similar trend during the first 5 days; after this time, ex vivo release becomes faster than in vitro, indicating a faster gel degradation ex vivo. Also, the amount of released UCNPs in vitro increases continuously up to 3 weeks, while it plateaus after 15 days inside the IVDs showing a homogenous distribution of UCNPs throughout the IVD tissue. This non-invasive optical method for real time, live tissue imaging holds great potential for tissue analysis, biomapping and bioimaging applications.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».