MétaCan
Menu
Retour à la cohorte
Enregistrement W2347148056 · doi:10.1021/acs.chemmater.6b01256

Cation Exchange of Anisotropic-Shaped Magnetite Nanoparticles Generates High-Relaxivity Contrast Agents for Liver Tumor Imaging

2016· article· en· W2347148056 sur OpenAlexaff
Zhenghuan Zhao, Xiaoqin Chi, Lijiao Yang, Rui Yang, Bin Ren, Xianglong Zhu, Peng Zhang, Jinhao Gao

Notice bibliographique

RevueChemistry of Materials · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensDalhousie University
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésNanoparticleIron oxide nanoparticlesNanocrystalIron oxideMaterials scienceNuclear magnetic resonanceMRI contrast agentMagnetiteZincMagnetic resonance imagingNanotechnology

Résumé

récupéré en direct d'OpenAlex

Cation exchange is a powerful means to adjust the properties of nanocrystals through composition change with morphology retention. Herein, we demonstrate that cation exchange can engineer the composition of iron oxide nanocrystals to dramatically improve their contrast ability in magnetic resonance imaging (MRI). We successfully construct manganese and zinc engineered iron oxide nanoparticles with diverse shapes (sphere, cube, and octapod) by facile cation exchange reactions. Extended X-ray absorption fine structure (EXAFS) study indicates that Mn 2+ and Zn 2+ ions are doped into the crystal lattice of ferrite, and more importantly, most of them are distributed in T d sites of ferrite. These engineered shaped-anisotropic iron oxide nanoparticles exhibit both high saturated magnetization and large effective boundary radii, which leads to remarkable transverse relaxivity ( r 2 ), for example, 754.2 mM –1 s –1 for zinc engineered octapod iron oxide nanoparticles. These engineered iron oxide nanoparticles, as high-performance T 2 contrast agents for in vivo MR imaging, enable sensitive imaging of early hepatic tumors and metastatic hepatic tumors (as small as 0.4 mm), holding great promise for prompt and accurate diagnosis of cancers and metastases.

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 seuil0,001

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 Opus0,015
Tête enseignante GPT0,229
Écart entre enseignants0,214 · 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

Citations49
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemistry of MaterialsMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207