Peptide–Gold Nanoparticle Hybrids as Promising Anti‐Inflammatory Nanotherapeutics for Acute Lung Injury: In Vivo Efficacy, Biodistribution, and Clearance
Notice bibliographique
Résumé
Gold nanoparticles (GNPs) have shown great promises in various biomedical applications. Although GNPs exhibit excellent therapeutic efficacy in in vitro and in vivo in numerous studies, there still exists significant biosafety concerns, mainly for their nonbiodegradability and tendency to be trapped in the liver and spleen. To tackle this problem, hexapeptides are utilized to modify the GNP surface to not only impart them with potent anti-inflammatory activity, but also facilitate their rapid clearance in vivo. Previously, a unique class of peptide-GNP hybrids that potently inhibit multiple TLR signaling pathways in macrophages was identified; in this work, it is further demonstrated that these hybrids, after intratracheal instillation, are capable of effectively reducing lung inflammation and injury by decreasing neutrophil infiltration and increasing the number of regulatory T cells in the lung in a lipopolysaccharide-induced acute lung injury (ALI) mouse model. More importantly, these hybrids can be effectively excreted 26 h post-administration with only 8.49 ± 0.70% of them remaining in the body, primarily in the lung and intestine and less than 0.03% accumulated in the liver and spleen. This work provides strong evidences that properly designed peptide-GNP hybrids can serve as the next generation of effective and safe anti-inflammatory nanotherapeutics to treat ALI.
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 ».