Targeted Magnetic Resonance Imaging and Modulation of Hypoxia with Multifunctional Hyaluronic Acid‐MnO<sub>2</sub> Nanoparticles in Glioma
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Manganese dioxide (MnO 2 )‐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‐MnO 2 nanoparticles (HA‐MnO 2 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‐MnO 2 NPs show an improved water‐dispersibility, fine colloidal stability, low toxicity, and responsiveness to the tumor microenvironment (high H 2 O 2 and high glutathione, low pH). After intravenous injection, HA‐MnO 2 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‐MnO 2 NPs on tumor hypoxia. These results show that HA‐MnO 2 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.
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 découle