Nanoparticle localization in blood vessels: dependence on fluid shear stress, flow disturbances, and flow-induced changes in endothelial physiology
Notice bibliographique
Résumé
Nanoparticles in the bloodstream are subjected to complex fluid forces as they move through the curves and branches of healthy or tumor vasculature. While nanoparticles are known to preferentially accumulate in angiogenic vessels, little is known about the flow conditions in these vessels and how these conditions may influence localization. Here, we report a methodology which combines confocal imaging of nanoparticle-injected transgenic zebrafish embryos, 3D modeling of the vasculature, particle mapping, and computational fluid dynamics, to quantitatively assess the effects of fluid forces on nanoparticle distribution in vivo. Six-fold lower accumulation was found in zebrafish arteries compared to the lower velocity veins. Nanoparticle localization varied inversely with shear stress. Highest accumulation was present in regions of disturbed flow found at branch points and curvatures in the vasculature. To further investigate cell-particle association under flow, human endothelial cells were exposed to nanoparticles under hemodynamic conditions typically found in human vessels. Physiological adaptations of endothelial cells to 20 hours of flow enhanced nanoparticle accumulation in regions of disturbed flow. Overall our results suggest that fluid shear stress magnitude, flow disturbances, and flow-induced changes in endothelial physiology modulate nanoparticle localization in angiogenic vessels.
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 ».