Characterization and Mathematical Modeling of Alginate/Chitosan-Based Nanoparticles Releasing the Chemokine CXCL12 to Attract Glioblastoma Cells
Notice bibliographique
Résumé
Chitosan (Chit) currently used to prepare nanoparticles (NPs) for brain application can be complexed with negatively charged polymers such as alginate (Alg) to better entrap positively charged molecules such as CXCL12. A sustained CXCL12 gradient created by a delivery system can be used, as a therapeutic approach, to control the migration of cancerous cells infiltrated in peri-tumoral tissues similar to those of glioblastoma multiforme (GBM). For this purpose, we prepared Alg/Chit NPs entrapping CXCL12 and characterized them. We demonstrated that Alg/Chit NPs, with an average size of ~250 nm, entrapped CXCL12 with ~98% efficiency for initial mass loadings varying from 0.372 to 1.490 µg/mg NPs. The release kinetic profiles of CXCL12 were dependent on the initial mass loading, and the released chemokine from NPs after seven days reached 12.6%, 32.3%, and 59.9% of cumulative release for initial contents of 0.372, 0.744, and 1.490 µg CXCL12/mg NPs, respectively. Mathematical modeling of released kinetics showed a predominant diffusive process with strong interactions between Alg and CXCL12. The CXCL12-NPs were not toxic and did not promote F98 GBM cell proliferation, while the released CXCL12 kept its chemotaxis effect. Thus, we developed an efficient and tunable CXCL12 delivery system as a promising therapeutic strategy that aims to be injected into a hydrogel used to fill the cavity after surgical tumor resection. This system will be used to attract infiltrated GBM cells prior to their elimination by conventional treatment without affecting a large zone of healthy brain tissue.
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 | 0,000 | 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 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 ».