Magnetic field enhanced convective diffusion of iron oxide nanoparticles in an osmotically disrupted cell culture model of the blood–brain barrier
Notice bibliographique
Résumé
PURPOSE: The present study examines the use of an external magnetic field in combination with the disruption of tight junctions to enhance the permeability of iron oxide nanoparticles (IONPs) across an in vitro model of the blood-brain barrier (BBB). The feasibility of such an approach, termed magnetic field enhanced convective diffusion (MFECD), along with the effect of IONP surface charge on permeability, was examined. METHODS: The effect of magnetic field on the permeability of positively (aminosilane-coated [AmS]-IONPs) and negatively (N-(trimethoxysilylpropyl)ethylenediaminetriacetate [EDT]-IONPs) charged IONPs was evaluated in confluent monolayers of mouse brain endothelial cells under normal and osmotically disrupted conditions. RESULTS: Neither IONP formulation was permeable across an intact cell monolayer. However, when tight junctions were disrupted using D-mannitol, flux of EDT-IONPs across the bEnd.3 monolayers was 28%, increasing to 44% when a magnetic field was present. In contrast, the permeability of AmS-IONPs after osmotic disruption was less than 5%. The cellular uptake profile of both IONPs was not altered by the presence of mannitol. CONCLUSIONS: MFECD improved the permeability of EDT-IONPs through the paracellular route. The MFECD approach favors negatively charged IONPs that have low affinity for the brain endothelial cells and high colloidal stability. This suggests that MFECD may improve IONP-based drug delivery to the brain.
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 ».