Size Dependent Interactions of Nanoparticles with Lung Surfactant Model Systems and the Significant Impact on Surface Potential
Notice bibliographique
Résumé
The relationship between a model pulmonary surfactant system and various sized nanoparticles was investigated in this study. Diplamitoylphosphatidylcholine (DPPC) is the main lipid constituent of lung surfactant and has the ability to reach very high surface pressures (around 70 mN/m) upon compression. Due to these properties it was used as a model to simulate the lung surfactant film in vitro. The first objective of this study was to investigate the relationship between DPPC and various sized nanoparticles within the subphase through surface pressure-area isotherms. The second objective was to measure the surface potential of the different preparations (conducted on a mini-Langmuir trough) and to determine if an optimal nanoparticle size exists possessing a greater affinity for the DPPC film compared to other sizes. The results from the pressure area isotherms indicate that the interaction between DPPC and the nanoparticles is stable and that the 235 nm particles may represent an optimal size. Furthermore, the results from the surface potential experiments confirm that an interaction of the nanoparticles with the monolayer exists as indicated by surface-pressure area isotherms. Any even moderate interaction between nanoparticles and lung surfactant film might reduce or increase the surface potential of the surfactant film, and this might impact the deposition of the nanoparticles or other ligands which may be positively or negatively charged drugs within the surfactant film. Thus changes in surface potential due to nanoparticle interactions have to be taken into account for future drug targeting studies using nano-sized drug carriers.
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 | 0,001 |
| 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 ».