Stable J-aggregation enabled dual photoacoustic and fluorescence nanoparticles for intraoperative cancer imaging
Notice bibliographique
Résumé
J-aggregates display nanoscale optical properties which enable their use in fluorescence and photoacoustic imaging applications. However, control over their optical properties in an in vivo setting is hampered by the conformational lability of the J-aggregate structure in complex biological environments. J-aggregating nanoparticles (JNP) formed by self-assembly of bacteriopheophorbide-lipid (Bchl-lipid) in lipid nanovesicles represents a novel strategy to stabilize J-aggregates for in vivo bioimaging applications. We find that 15 mol% Bchl-lipid embedded within a saturated phospholipid bilayer vesicle was optimal in terms of maximizing Bchl-lipid dye loading, while maintaining a spherical nanoparticle morphology and retaining spectral properties characteristic of J-aggregates. The addition of cholesterol maintains the stability of the J-aggregate absorption band for up to 6 hours in the presence of 90% FBS. In a proof-of-concept experiment, we successfully applied JNPs as a fluorescence contrast agent for real-time intraoperative detection of metastatic lymph nodes in a rabbit head-and-neck cancer model. Lymph node metastasis delineation was further verified by visualizing the JNP within the excised lymph node using photoacoustic imaging. Using JNPs, we demonstrate the possibility of using J-aggregates as fluorescence and photoacoustic contrast agents and may potentially spur the development of other nanomaterials that can stably induce J-aggregation for in vivo cancer bioimaging applications.
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 | 0,000 | 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 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 ».