A Universal Platform for Macromolecular Deliveryinto Cells Using Gold Nanoparticle Layers via the Photoporation Effect
Notice bibliographique
Résumé
Although promising, it is challenging to develop a simple and universal method for the high‐efficiency delivery of biomacromolecules into diverse cells. Here, a universal delivery platform based on gold nanoparticle layer (GNPL) surfaces is proposed. Upon laser irradiation, GNPL surfaces show such good photothermal properties that absorption of the laser energy causes a rapid increase in surface temperature, leading to enhanced membrane permeability of the cultured cells and the diffusion of macromolecules into the cytosol from the surrounding medium. The high‐efficiency delivery of different macromolecules such as dextran and plasmid DNA into different cell types is achieved, including hard‐to‐transfect mouse embryonic fibroblasts (mEFs) and human umbilical vein endothelial cells (HUVECs), while cell viability is well maintained under optimized irradiation conditions. The platform vastly outperforms the leading commercial reagent, Lipofectamine 2000, especially in transfecting hard‐to‐transfect cell lines (plasmid transfection efficiency: ≈53% vs ≈19% for mEFs and ≈44% vs ≈8% for HUVECs). Importantly, as the gold nanoparticles (GNPs) constituting the GNPL are firmly immobilized together, the potential cytotoxicity caused by endocytosis of GNPs is effectively avoided. This platform is reliable, efficient, and cost‐effective with high‐throughput and broad applicability across different cell types, opening up an innovative avenue for high‐efficiency intracellular delivery.
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 | 0,000 |
| 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 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 ».