Easy and effective method to generate endotoxin-free chitosan particles for immunotoxicology and immunopharmacology studies
Notice bibliographique
Résumé
OBJECTIVES: The cationic biopolymer chitosan (CH) has emerged as a promising candidate adjuvant due to its safety profile and immunostimulatory properties. The presence of endotoxin contamination in biomaterials is generally underappreciated and can generate misleading results. It is important to establish a convenient methodology to obtain large amounts of high quality chitosan nanoparticles for biomedical applications. METHODS: We developed an easy method to generate endotoxin-free chitosan and assessed its purity using the Limulus amebocyte lysate assay and by measuring dendritic cell activation. KEY FINDINGS: Purified chitosan-based formulations alone failed to induce production of the proinflammatory cytokines tumour necrosis factor alpha (TNF-α) and interleukin (IL)-6 in bone marrow-derived dendritic cells (BMDCs) generated from C57BL/6 mice, while maintaining its ability to promote IL-1β secretion in combination with the Toll-like receptor (TLR)-9 agonist, CpG. Moreover, BMDCs from C3H/HeN and TLR4-deficient mice, C3H/HeJ were stimulated with endotoxin-free chitosan-based formulations and no differences were observed in IL-6 and IL-1β secretion, excluding the involvement of TLR-4 in the immunomodulatory effects of chitosan. CONCLUSIONS: The developed method provides simple guidelines for the production of endotoxin-free chitosan, ideal for biomedical applications.
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 | 0,002 | 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 ».