QUANTIFYING NANOPARTICLE TRANSPORT<i>IN VIVO</i>USING HYPERSPECTRAL IMAGING WITH A DORSAL SKINFOLD WINDOW CHAMBER
Notice bibliographique
Résumé
We have developed a noninvasive imaging method to quantify in vivo drug delivery pharmacokinetics without the need for blood or tissue collection to determine drug concentration. By combining the techniques of hyperspectral imaging and a dorsal skinfold window chamber, this method enabled the real-time monitoring of vascular transport and tissue deposition of nanoparticles labeled with near-infrared (NIR) dye. Using this imaging method, we quantified the delivery pharmacokinetics of the native high-density lipoprotein (HDL) and epidermal growth factor receptor (EGFR)-targeted HDL nanoparticles and demonstrated these HDLs had long circulation time in blood stream (half-life >12 h). These HDL nanoparticles could efficiently carry cargo DiR-BOA to extravasate from blood vessels, diffuse through extracellular matrix, and penetrate and be retained in the tumor site. The EGFR targeting specificity of EGFR-targeted HDL (EGFR-specific peptide conjugated HDL) was also visualized in vivo by competitive inhibition with excess EGFR-specific peptide. In summary, this imaging technology may help point the way toward the development of novel imaging-based pharmacokinetic assays for preclinical drugs and evaluation of drug delivery efficiency, providing a dynamic window into the development and application of novel drug delivery systems.
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 | 0,006 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,002 |
| 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 ».