Shear Stress-Dependent Targeting Efficiency Using Self-Assembled Gelatin–Oleic Nanoparticles in a Biomimetic Microfluidic System
Notice bibliographique
Résumé
Cellular properties and microenvironments, as well as the characteristics of nanoparticles (NPs), affect the cellular uptake and cytotoxic effects of drug-loaded NPs. Since there is fluid flow in the human blood system, fluid flow also affects the drug delivery efficiency of NPs. This study aimed to evaluate the cellular behaviors of drug-loaded soft NPs on A549 cancer cells under different levels of shear stress (0.5, 5, and 50 dynes/cm2) in the biomimetic microfluidic system. The soft self-assembled NPs were formed by the gelatin–oleic conjugate (GOC). The poorly water-soluble coumarin-6 or paclitaxel (PTX) were used as model markers for encapsulation within self-assembled NPs (C-GONs or PTX-GONs, respectively). The cellular uptake of C-GONs was found to be improved with shear-stress dependence. The inhibitory concentration (IC50) of PTX-GONs at 0.5, 5, and 50 dynes/cm2 was 0.106 µg/mL, 0.108 µg/mL, and 0.091 µg/mL, respectively, as compared to 0.138 µg/mL in a static condition. The cell killing efficiency of PTX-GONs was increased in the highest shear stress of 50 dynes/cm2 in the static condition, and other levels of shear stress in dynamic conditions.
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 ».