Extracellular Vesicle Production Loaded with Nanoparticles and Drugs in a Trade‐off between Loading, Yield and Purity: Towards a Personalized Drug Delivery System
Notice bibliographique
Résumé
Extracellular vesicles (EVs) released by cells and circulating in body fluids are recognized as potent vectors of intercellular self-communication. Due to their cellular origin, EVs hold promise as naturally targeted "personalized" drug delivery system insofar as they can be engineered with drugs or theranostic nanoparticles. However, technical hurdles related to their production, drug loading, purification, and characterization restrain the translation of self-derived EVs into a clinical drug delivery system. Herein, different methods are compared to generate and to purify EVs encapsulating iron oxide nanoparticles and a clinical photosensitizer drug (Foscan) as biocamouflaged agents for photodynamic therapy, magnetic resonance imaging, magnetic manipulation, and hyperthermia. Theranostic EVs are produced from drug- and nanoparticle-loaded endothelial cells either by spontaneous release in complete medium, by starvation in serum-free medium or by mechanical stress in a microfluidic chip mimicking vessel shear stress, and purified by ultracentrifugation or magnetic sorting. The impact of the production and purification protocols is investigated on EV yield and size, nanoparticle and drug cargo, and finally on their therapeutic efficacy. EV production by starvation combined with purification by ultracentrifugation may be considered a reasonable trade-off between loading, yield, and purity for biogeneration of theranostic EVs.
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 ».