Neural Stem Cell-Mediated Intratumoral Delivery of Gold Nanorods Improves Photothermal Therapy
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
Plasmonic photothermal therapy utilizes biologically inert gold nanorods (AuNRs) as tumor-localized antennas that convert light into heat capable of eliminating cancerous tissue. This approach has lower morbidity than surgical resection and can potentially synergize with other treatment modalities including chemotherapy and immunotherapy. Despite these advantages, it is still challenging to obtain heating of the entire tumor mass while avoiding unnecessary collateral damage to surrounding healthy tissue. It is therefore critical to identify innovative methods to distribute an effective concentration of AuNRs throughout tumors without depositing them in surrounding healthy tissue. Here we demonstrate that AuNR-loaded, tumor-tropic neural stem cells (NSCs) can be used to improve the intratumoral distribution of AuNRs. A simple UV-vis technique for measuring AuNR loading within NSCs was established. It was then confirmed that NSC viability is unimpaired following AuNR loading and that NSCs retain AuNRs long enough to migrate throughout tumors. We then demonstrate that intratumoral injections of AuNR-loaded NSCs are more efficacious than free AuNR injections, as evidenced by reduced recurrence rates of triple-negative breast cancer (MDA-MB-231) xenografts following NIR exposure. Finally, we demonstrate that the distribution of AuNRs throughout the tumors is improved when transported by NSCs, likely resulting in the improved efficacy of AuNR-loaded NSCs as compared to free AuNRs. These findings highlight the advantage of combining cellular therapies and nanotechnology to generate more effective cancer treatments.
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