MétaCan
Menu
Retour à la cohorte
Enregistrement W2572814909 · doi:10.1177/0885328216684651

Cellular interaction influenced by surface modification strategies of gelatin-based nanoparticles

2016· article· en· W2572814909 sur OpenAlexaff
Wai Hei Tse, Laszlo Gyenis, David W. Litchfield, Jin Zhang

Notice bibliographique

RevueJournal of Biomaterials Applications · 2016
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésGelatinBiocompatibilityPolyethylene glycolSurface modificationQuantum dotMaterials scienceBioconjugationNanoparticleNanotechnologyNanocompositeChemical engineeringBiophysicsChemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Theranostic applications of gelatin nanospheres require two major components, a method of detection and good biocompatibility. We characterized the response of UTA-6 human osteosarcoma cells to the introduction of functionalized 90 bloom-based gelatin nanospheres (158 ± 49 nm) modified with three elements in different order: (a) hybridization with cadmium-based quantum dots for optical detection, (b) bioconjugation with anti-human IgG FAB (anti-IgG) for cell targeting, with/without (c) capping with polyethylene glycol on the surface for enhanced biocompatibility. A one-pot process is developed for incorporating quantum dots and antibody with gelatin nanospheres. Path A of modifying gelatin nanospheres with quantum dots first followed by anti-IgG resulted in a significantly greater cellular viability than Path B with anti-IgG first followed by quantum dots. Capping with polyethylene glycol as the final step in modification yielded significantly opposing results with decreases in Path A and increases in Path B. Three-dimensional z-stacking fluorescent images of hybrid gelatin nanospheres with anti-IgG is observed to have an increase in cellular association. The observed results suggest the modification order for building hybrid nanospheres may have an impact on cellular response.

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 seuil0,002

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)0,0010,000

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 Opus0,012
Tête enseignante GPT0,245
Écart entre enseignants0,234 · 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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomaterials ApplicationsMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207