<sup>18</sup>F-Radiolabeling and <i>In Vivo</i> Analysis of SiFA-Derivatized Polymeric Core–Shell Nanoparticles
Notice bibliographique
Résumé
Nanoparticles represent the most widely studied drug delivery systems targeting cancer. Polymeric nanoparticles can be easily generated through a microemulsion polymerization. Herein, the synthesis, radiolabeling, and in vivo evaluation of nanoparticles (NPs) functionalized by an organosilicon fluoride acceptor (SiFA) are reported which can be radiolabeled without further chemical modifications. Four nanoparticles in the sub-100 nm range with distinct hydrodynamic diameters of 20 nm (NP1), 33 nm (NP2), 45 nm (NP3), and 72 nm (NP4), respectively, were synthesized under size-controlled conditions. The SiFA-labeling building block acted as an initiator for the polymerization of polymer P1. The nanoparticles were radiolabeled with fluorine-18 ( 18 F) through simple isotopic exchange (IE) and analyzed in vivo in a murine mammary tumor model (EMT6). The facile 18 F radiolabeling SiFA methodology, performed in ethanol under mild reaction conditions, gave radiochemical yields (RCYs) of 19–26% and specific activities (SA) of 0.2–0.3 GBq/mg. Based on preclinical PET analysis, the tumor uptake and clearance profiles were analyzed depending on particle size. The nanoparticle size of 33 nm showed the highest tumor accumulation of SUV mean 0.97 (= 4.4%ID/g) after 4 h p.i. through passive diffusion based on the Enhanced Permeability and Retention (EPR) effect. Overall, this approach exhibits a simple, robust, and reliable synthesis of 18 F radiolabeled polymeric nanoparticles with a favorable in vivo evaluation profile. This approach represents a straightforward synthetically accessible alternative to produce radiolabeled nanoparticles without any further surface modification to attach a radioisotope.
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) | 0,001 | 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 ».