Gold nanoparticles and their alternatives for radiation therapy enhancement
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
Radiation therapy is one of the most commonly used treatments for cancer. The dose of delivered ionizing radiation can be amplified by the presence of high-Z materials via an enhancement of the photoelectric effect; the most widely studied material is gold (atomic number 79). However, a large amount is needed to obtain a significant dose enhancement, presenting a challenge for delivery. In order to make this technique of broader applicability, the gold must be targeted, or alternative formulations developed that do not rely solely on the photoelectric effect. One possible approach is to excite scintillating nanoparticles with ionizing radiation, and then exploit energy transfer between these particles and attached dyes in a manner analogous to photodynamic therapy (PDT). Doped rare-earth halides and semiconductor quantum dots have been investigated for this purpose. However, although the spectrum of emitted light after radiation excitation is usually similar to that seen with light excitation, the yield is not. Measurement of scintillation yields is challenging, and in many cases has been done only for bulk materials, with little understanding of how the principles translate to the nanoscale. Another alternative is to use local heating using gold or iron, followed by application of ionizing radiation. Hyperthermia pre-sensitizes the tumors, leading to an improved response. Another approach is to use chemotherapeutic drugs that can radiosensitize tumors. Drugs may be attached to high-Z nanoparticles or encapsulated. This article discusses each of these techniques, giving an overview of the current state of nanoparticle-assisted radiation therapy and future directions.
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) | 0,001 | 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