Interplay between the gold nanoparticle sub-cellular localization, size, and the photon energy for radiosensitization
Notice bibliographique
Résumé
There are large variations in the reported efficiency of gold nanoparticle (GNP) radiosensitization. We have previously reported on a predictive model, which accounts for the detailed Auger and photoelectron tracks to calculate the cell survival probability. After validating our model using PC-3 cells incubated with 2 mg/ml of 30 nm GNPs and irradiated with 100 kVp or 300 kVp beams, we evaluated the interplay between photon energy, GNP size (1.9 and 100 nm) and sub-cellular localization. Experiments were in excellent agreement with the model. In predictive modeling, using a 100 kVp source and 1.9 nm nanoparticles, GNP localization had a significant impact on cell survival. A sensitizer enhancement ratio of 1.34 was achieved when GNPs were localized outside the cells, increasing to 2.56 when GNPs were also distributed in the cytoplasm and nucleus. Using a 300 kVp source, which emits photons mainly above the gold K-edge, the dependence on GNP localization and size was barely detectable, since long ranged electrons dominate the energy deposition. In summary, achieving intracellular uptake with targeted-GNPs can significantly enhance radiosensitization for photon energies below the gold K-edge, where Auger electrons contribute significantly to the local energy deposition. For higher energies, this is much less important.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».