Implications on clinical scenario of gold nanoparticle radiosensitization in regards to photon energy, nanoparticle size, concentration and location
Notice bibliographique
Résumé
Gold nanoparticle (AuNP) radiosensitization represents a novel approach to enhance the effectiveness of ionizing radiation. Its efficiency varies widely with photon source energy and AuNP size, concentration, and intracellular localization. In this Monte Carlo study we explored the effects of those parameters to define the optimal clinical use of AuNPs. Photon sources included (103)Pd and (125)I brachytherapy seeds; (169)Yb, (192)Ir high dose rate sources, and external beam sources 300 kVp and 6 MV. AuNP sizes were 1.9, 5, 30, and 100 nm. We observed a 10(3) increase in the rate of photoelectric absorption using (125)I compared to 6 MV. For a (125)I source, to double the dose requires concentrations of 5.33-6.26 mg g(-1) of Au or 7.10 × 10(4) 30 nm AuNPs per tumor cell. For 6 MV, concentrations of 1560-1760 mg g(-1) or 2.17 × 10(7) 30 nm AuNPs per cell are needed, which is not clinically achievable. Examining the proportion of energy transferred to escaping particles or internally absorbed in the nanoparticle suggests two clinical strategies: the first uses photon energies below the k-edge and takes advantage of the extremely localized Auger cascade. It requires small AuNPs conjugated to tumor targeted moieties and nuclear localizing sequences. The second, using photon sources above the k-edge, requires a higher gold concentration in the tumor region. In this approach, energy deposited by photoelectrons is the main contribution to radiosensitization; AuNP size and cellular localization are less relevant.
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 | 0,001 | 0,004 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».