MétaCan
Menu
Retour à la cohorte
Enregistrement W2143021230 · doi:10.1002/smll.200700794

Enhancement of Radiation Cytotoxicity in Breast‐Cancer Cells by Localized Attachment of Gold Nanoparticles

2008· article· en· W2143021230 sur OpenAlexaff
Tao Kong, Jie Zeng, Xiaoping Wang, Xiaoyan Yang, Jing Yang, S.A. McQuarrie, Alexander McEwan, Wilson Roa, Jie Chen, James Z. Xing

Notice bibliographique

RevueSmall · 2008
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésCytotoxicityColloidal goldCancer cellCysteamineMCF-7BiophysicsChemistryCellCell cultureIn vitroNanoparticleMaterials scienceNanotechnologyCancerBiochemistryHuman breastBiologyMedicineInternal medicine

Résumé

récupéré en direct d'OpenAlex

Gold nanoparticles (GNPs) and modified GNPs having two kinds of functional molecules, cysteamine (AET) and thioglucose (Glu), are synthesized. Cell uptake and radiation cytotoxicity enhancement in a breast-cancer cell line (MCF-7) versus a nonmalignant breast-cell line (MCF-10A) are studied. Transmission electron microscopy (TEM) results show that cancer cells take up functional Glu-GNPs significantly more than naked GNPs. The TEM results also indicate that AET-capped GNPs are mostly bound to the MCF-7 cell membrane, while Glu-GNPs enter the cells and are distributed in the cytoplasm. After MCF-7 cell uptake of Glu-GNPs, or binding of AET-GNPs, the in vitro cytotoxicity effects are observed at 24, 48, and 72 hours. The results show that these functional GNPs have little or no toxicity to these cells. To validate the enhanced killing effect on cancer cells, various forms of radiation are applied such as 200 kVp X-rays and gamma-rays, to the cells, both with and without functional GNPs. By comparison with irradiation alone, the results show that GNPs significantly enhance cancer killing.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,254
Écart entre enseignants0,235 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations338
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSmallMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207