Flow Rate Affects Nanoparticle Uptake into Endothelial Cells
Notice bibliographique
Résumé
Nanoparticles are commonly administered through systemic injection, which exposes them to the dynamic environment of the bloodstream. Injected nanoparticles travel within the blood and experience a wide range of flow velocities that induce varying shear rates to the blood vessels. Endothelial cells line these vessels, and have been shown to uptake nanoparticles during circulation, but it is difficult to characterize the flow-dependence of this interaction in vivo. Here, a microfluidic system is developed to control the flow rates of nanoparticles as they interact with endothelial cells. Gold nanoparticle uptake into endothelial cells is quantified at varying flow rates, and it is found that increased flow rates lead to decreased nanoparticle uptake. Endothelial cells respond to increased flow shear with decreased ability to uptake the nanoparticles. If cells are sheared the same way, nanoparticle uptake decreases as their flow velocity increases. Modifying nanoparticle surfaces with endothelial-cell-binding ligands partially restores uptake to nonflow levels, suggesting that functionalizing nanoparticles to bind to endothelial cells enables nanoparticles to resist flow effects. In the future, this microfluidic system can be used to test other nanoparticle-endothelial cell interactions under flow. The results of these studies can guide the engineering of nanoparticles for in vivo medical applications.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 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 ».