Anodic Titanium Dioxide Nanotubes for Magnetically Guided Therapeutic Delivery
Notice bibliographique
Résumé
Abstract Hollow titanium dioxide (TiO2) nanotubes offer substantially higher drug loading capacity and slower drug release kinetics compared to solid drug nanocarriers of comparable size. In this report, we load TiO2 nanotubes with iron oxide nanoparticles to facilitate site-specific magnetic guidance and drug delivery. We generate magnetic TiO2 nanotubes (TiO2NTs) by incorporating a ferrofluid containing Ø ≈ 10 nm iron oxide nanoparticles in planar sheets of weakly connected TiO2 nanotubes. After thermal annealing, the magnetic tubular arrays are loaded with therapeutic drugs and then sonicated to separate the nanotubes. We demonstrate that magnetic TiO2NTs are non-toxic for HeLa cells at therapeutic concentrations (≤200 µg/mL). Adhesion and endocytosis of magnetic nanotubes to a layer of HeLa cells are increased in the presence of a magnetic gradient field. As a proof-of-concept, we load the nanotubes with the topoisomerase inhibitor camptothecin and achieve a 90% killing efficiency. We also load the nanotubes with oligonucleotides for cell transfection and achieve 100% cellular uptake efficiency. Our results demonstrate the potential of magnetic TiO2NTs for a wide range of biomedical applications, including site-specific delivery of therapeutic drugs.
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) | 0,001 | 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 ».