Intracellular uptake, transport, and processing of gold nanostructures
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
The emerging field of nanomedicine requires better understanding of the interface between nanotechnology and medicine. Better knowledge of the nano-bio interface will lead to better tools for diagnostic imaging and therapy. In this review, recent progress in understanding of how size, shape, and surface properties of nanoparticles (NPs) affect intracellular fate of NPs is discussed. Gold nanostructures are used as a model system in this regard since their physical and chemical properties can be easily manipulated. The NP-uptake is dependent on the physiochemical properties, and once in the cell, most of the NPs are trafficked via an endo-lysosomal path followed by a receptor-mediated endocytosis process at the cell membrane. Within the size range of 2-100 nm, Gold nanoparticles (GNPs) of diameter 50 nm demonstrate the highest uptake. Cellular uptake studies of gold nanorods (GNRs) show that there is a decrease in uptake as the aspect ratio of GNRs increases. Theoretical models support the size- and shape-dependent NP-uptake. The intracellular transport of targeted NPs is faster than untargeted NPs. The surface ligand and charge of NPs play a bigger role in their uptake, transport, and organelle distribution. Exocytosis of NPs is dependent on size and shape as well; however, the trend is different compared to endocytosis. GNPs are now being incorporated into polymer and lipid based NPs to build multifunctional devices. A multifunctional platform based on gold nanostructures, with multimodal imaging, targeting, and therapeutics; hold the possibility of promising directions in medical research.
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) | 0,001 | 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 découle