Intratumoral Injection of Low-Energy Photon-Emitting Gold Nanoparticles: A Microdosimetric Monte Carlo-Based Model
Notice bibliographique
Résumé
Gold nanoparticles (Au NPs) distributed in the vicinity of low-dose rate (LDR) brachytherapy seeds could multiply their efficacy thanks to the secondary emissions induced by the photoelectric effect. Injections of radioactive LDR gold nanoparticles (LDR Au NPs), instead of conventional millimeter-size radioactive seeds surrounded by Au NPs, could further enhance the dose by distributing the radioactivity more precisely and homogeneously in tumors. However, the potential of LDR Au NPs as an emerging strategy to treat cancer is strongly dependent on the macroscopic diffusion of the NPs in tumors, as well as on their microscopic internalization within the cells. Understanding the relationship between interstitial and intracellular distribution of NPs, and the outcomes of dose deposition in the cancer tissue is essential for considering future applications of radioactive Au NPs in oncology. Here, LDR Au NPs (103Pd:Pd@Au-PEG NPs) were injected in prostate cancer tumors. The particles were visualized at time-points by computed tomography imaging (in vivo), transmission electron microscopy (ex vivo), and optical microscopy (ex vivo). These data were used in a Monte Carlo-based dosimetric model to reveal the dose deposition produced by LDR Au NPs both at tumoral and cellular scales. 103Pd:Pd@Au-PEG NPs injected in tumors produce a strong dose enhancement at the intracellular level. However, energy deposition is mainly confined around vesicles filled with NPs, and not necessarily close to the nuclei. This suggests that indirect damage caused by the production of reactive oxygen species might be the leading therapeutic mechanism of tumor growth control, over direct damage to the DNA.
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 | 0,001 |
| 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 ».