Synthesis of nanoparticles, their biocompatibility, and toxicity behavior for biomedical applications
Notice bibliographique
Résumé
Nanomaterials research has in part been focused on their use in biomedical applications for more than several decades. However, in recent years this field has been developing to a much more advanced stage by carefully controlling the size, shape, and surface-modification of nanoparticles. This review provides an overview of two classes of nanoparticles, namely iron oxide and NaLnF4, and synthesis methods, characterization techniques, study of biocompatibility, toxicity behavior, and applications of iron oxide nanoparticles and NaLnF4 nanoparticles as contrast agents in magnetic resonance imaging. Their optical properties will only briefly be mentioned. Iron oxide nanoparticles show a saturation of magnetization at low field, therefore, the focus will be MLnF4 (Ln = Dy3+, Ho3+, and Gd3+) paramagnetic nanoparticles as alternative contrast agents which can sustain their magnetization at high field. The reason is that more potent contrast agents are needed at magnetic fields higher than 7 T, where most animal MRI is being done these days. Furthermore we observe that the extent of cytotoxicity is not fully understood at present, in part because it is dependent on the size, capping materials, dose of nanoparticles, and surface chemistry, and thus needs optimization of the multidimensional phenomenon. Therefore, it needs further careful investigation before being used in clinical 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 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) | 0,000 | 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) | 0,001 | 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 ».