Lung cancer targeted Raman active phospholipid gold nanoparticles for ultrasensitive and specific molecular imaging and detection
Notice bibliographique
Résumé
Lung cancer is the leading cause of cancer related mortalities. With current imaging modalities, non-invasive diagnosis of this deadly cancer is difficult due to the lack in specificity. Photonics based optical molecular imaging is a promising alternative for early lung cancer diagnosis because of its molecular based detection for specificity and relatively low cost instrumentation. In particular, gold nanoparticle-based surface enhanced Raman scattering (SERS) probes have shown great promise for disease detection and diagnosis because of its remarkable sensitivity and its ease of engineering for high specificity. Here, a stabilized, biocompatible SERS probe, Raman active phospholipid gold nanoparticles, is synthesized and conjugated to epidermal growth factor to target its receptor, epidermal growth factor receptor (EGFR), a common lung cancer biomarker. This novel nanoparticle encapsulates Raman molecules adsorbed on 60 nm colloidal gold with a phospholipid bilayer coating which show structural and functional stability in serum over 24 hours. Moreover, when conjugated with epidermal growth factor, it specifically detects and localizes EGFR on lung carcinoma cells. We used transmission electron microscopy, Raman and UV spectroscopy to validate the novel nanoparticle's reproducibility and stability. We also validated its molecular specificity and use it as an efficient contrast agent with in vitro confocal reflectance microscopy on lung carcinoma. This novel lipid-based SERS probe provides a viable alternative as a tool for detecting lung cancer biomarkers for non invasive, ultrasensitive and specific diagnoses.
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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».