Optimization of Bio-Nano Interface Using Gold Nanostructures as a Model Nanoparticle System
Notice bibliographique
Résumé
Better knowledge of interface between nanotechnology and biology will lead to advanced biomedical tools for imaging and therapeutics. In this review, recent progress in the understanding of how size, shape, and surface properties of nanoparticles (NPs) affect intracellular uptake, transport, and processing of NPs will be discussed. Gold NPs are used as a model system in this regard since their size, shape, and surface properties can be easily manipulated. Recent experimental and theoretical studies have shown that NP-uptake is dependent upon size and shape of the NPs. Within the size range of 2-100 nm, Gold nanoparticles (GNPs) of diameter 50 nm demonstrate the highest uptake. Cellular uptake studies of rod-shaped gold nanoparticles (GNRs) show that there is a decrease in uptake as the aspect ratio of GNRs increases. The surface ligand and charge of NPs play an important role in their uptake process as well. Different proteins on the surface of the NPs can be coated for effective targeting of NPs into specific organelles. 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. Exocytosis of NPs is also dependent on the size and shape of the NPs, however, the trend was different to endocytosis process. These findings provide useful information to tailor nano-scale devices at single cell level for effective applications in diagnosis, therapeutics, and imaging.
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 | 0,000 | 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 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 ».