Fluorophore-Conjugated Iron Oxide Nanoparticle Labeling and Analysis of Engrafting Human Hematopoietic Stem Cells
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 use of nanometer-sized iron oxide particles combined with molecular imaging techniques enables dynamic studies of homing and trafficking of human hematopoietic stem cells (HSC). Identifying clinically applicable strategies for loading nanoparticles into primitive HSC requires strictly defined culture conditions to maintain viability without inducing terminal differentiation. In the current study, fluorescent molecules were covalently linked to dextran-coated iron oxide nanoparticles (Feridex) to characterize human HSC labeling to monitor the engraftment process. Conjugating fluorophores to the dextran coat for fluorescence-activated cell sorting purification eliminated spurious signals from nonsequestered nanoparticle contaminants. A short-term defined incubation strategy was developed that allowed efficient labeling of both quiescent and cycling HSC, with no discernable toxicity in vitro or in vivo. Transplantation of purified primary human cord blood lineage-depleted and CD34(+) cells into immunodeficient mice allowed detection of labeled human HSC in the recipient bones. Flow cytometry was used to precisely quantitate the cell populations that had sequestered the nanoparticles and to follow their fate post-transplantation. Flow cytometry endpoint analysis confirmed the presence of nanoparticle-labeled human stem cells in the marrow. The use of fluorophore-labeled iron oxide nanoparticles for fluorescence imaging in combination with flow cytometry allows evaluation of labeling efficiencies and homing capabilities of defined human HSC subsets.
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) | 0,000 | 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 découle