MétaCan
Menu
Retour à la cohorte
Enregistrement W2922220844 · doi:10.1117/12.2508934

Optimization of uptake and transport of gold nanoparticles in two-dimensional and three-dimensional in-vitro cell models

2019· article· en· W2922220844 sur OpenAlexaff
Kyle Bromma, Leah Cicon, Aaron Bannister, Kristy Rieck, Wayne Beckham, Devika B. Chithrani

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensBC Cancer AgencyUniversity of Victoria
Organismes subventionnairesnon disponible
Mots-clésColloidal goldNanoparticleSurface modificationNanomaterialsDynamic light scatteringZeta potentialNanotechnologyScanning electron microscopeMaterials scienceNanomedicineMonolayerIn vitroBiophysicsChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

High atomic number nanomaterials have been explored as a tool for improving cancer therapeutics. Gold nanoparticles are a system that has been introduced as they can act as effective radiation dose enhancers and anticancer drug carries. Gold nanoparticles have unique physiochemical properties that allow them to be probed in cells using techniques such as scanning electron microscopy and hyper spectral imaging. Optimization of gold nanoparticle uptake into 3D in-vitro models is essential to optimizing future cancer therapeutic applications and bridging the gap between in-vitro and in-vivo tumor environments. The uptake of functionalized gold nanoparticles into 2D monolayer and 3D spheroid cell models was tested. Functionalization of the GNPs was confirmed by use of dynamic light scattering, UV-Visible light spectroscopy, the Zeta potential, and imaged with a scanning electron microscope and hyper spectral imaging. These findings suggest that both the size and functionalization of the gold nanoparticles should be considered in future 3D in-vitro studies.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,214
Écart entre enseignants0,202 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetNanoparticle-Based Drug DeliveryTravaux en français237 207