Rapid synthesis of lipid nanoparticles containing hydrophobic inorganic nanoparticles
Notice bibliographique
Résumé
A straightforward "bottom-up" synthesis is described for efficient entrapment of inorganic hydrophobic nanoparticles (HNPs) consisting of iron oxide, gold, or quantum dots within the hydrophobic core of lipid nanoparticles (LNPs). These LNPs consist of hydrophobic "core" lipids such as triolein surrounded by a monolayer of amphipathic "surface" lipids, such as phosphatidylcholine and polyethylene-glycol-lipid. It is shown that rapid, controlled mixing of HNPs, core lipids and surface lipids in an organic solvent with an aqueous phase resulted in stable, monodisperse LNPs containing HNPs (LNP-HNP). This method allows 40-fold more hydrophobic iron oxide nanoparticles (IONPs) to be entrapped within an LNP than previous methods and can be readily extended to encapsulate other HNPs. The LNP-HNP diameter can be modulated over the range of 35-150 nm by varying the flow rate during particle synthesis or by varying the core-to-surface lipid ratio. LNP-IONPs can be generated using a variety of "core" lipids, including other triglycerides as well as cholesteryl-palmitate and tocopherol. Finally, it is shown that LNP-IONPs are accumulated in the liver, resulting in enhanced contrast for in vivo MRI. It is concluded that the bottom-up approach for encapsulating HNPs within LNPs has advantages of homogeneity, reproducibility and stability required for biomedical applications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».