Targeted Magnetic Resonance Imaging and Modulation of Hypoxia with Multifunctional Hyaluronic Acid‐MnO<sub>2</sub> Nanoparticles in Glioma
Notice bibliographique
Résumé
Abstract Manganese dioxide (MnO2)‐based nanoparticles are a promising tumor microenvironment‐responsive nanotheranostic carrier for targeted magnetic resonance imaging (MRI) and for alleviating tumor hypoxia. However, the complexity and potential toxicity of the present common synthesis methods limit their clinical application. Herein, multifunctional hyaluronic acid‐MnO2 nanoparticles (HA‐MnO2 NPs) are synthesized in a simple way by directly mixing sodium permanganate with HA aqueous solutions, which serve as both a reducing agent and a surface‐coating material. The obtained HA‐MnO2 NPs show an improved water‐dispersibility, fine colloidal stability, low toxicity, and responsiveness to the tumor microenvironment (high H2O2 and high glutathione, low pH). After intravenous injection, HA‐MnO2 NPs exhibit a high imaging sensitivity for detecting rat intracranial glioma with MRI for a prolonged period of up to 3 d. These nanoparticles also effectively alleviate the tumor hypoxia in a rat model of intracranial glioma. The downregulation of VEGF and HIF‐1α expression in intracranial glioma validates the sustained attenuation effect of HA‐MnO2 NPs on tumor hypoxia. These results show that HA‐MnO2 NPs can be used for sensitive, targeted MRI detection of gliomas and simultaneous attenuation of tumor hypoxia.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 source (Gemma direct ou Codex distillé), 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 ».