Fabrication of FITC‐doped silica nanoparticles and study of their cellular uptake in the presence of lectins
Notice bibliographique
Résumé
Fluorescent silica nanoparticles are reported to be highly stable and biocompatible materials with high water solubility, which make them ideal candidates for biological applications. These nanoparticles can also be modified with biocompatible and targeting moieties and can be used for a variety of in vitro and in vivo applications, such as targeting, particle tracking, cargo carrier, and as contrast agents. In this study, fluorescent dye-doped silica nanoparticles were prepared by a modified Stöber method. The nanoparticles produced were surface functionalized with amine moieties for their conjugation with glucose-derived and galactose-based residues. The amine, glucose-derived, and galactose-based functionalized fluorescent silica nanoparticles were analyzed for their physiochemical properties such as sizes, polydispersities, organic layer content, and surface chemistries. The nanoparticles produced were then studied for their interactions with carbohydrate-specific lectins. These lectin bioconjugates have helped in understanding their interactions with cell-surface receptors. As expected, galactose-functionalized nanoparticles were found to specifically interact with RCA120 , as compared to other nanoparticles. These specific interactions of galactose-lectin conjugates were further studied on the hepatocytes cell surface in vitro. The aggregation of galactose-lectins conjugates on the plasma membrane was possibly due to the specific interactions of carbohydrates with cell-surface glycoproteins, hence preventing the uptake of these nanoparticles. The study has provided an interesting approach to mark the cell-surface glycoproteins with fluorescent probes using a combination of lectin-carbohydrate conjugates.
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 | 0,003 | 0,001 |
| 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 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 ».