Ultrasound-assisted magnetic nanoparticle-based gene delivery
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
Targeted gene delivery is important in biomedical research and applications. In this paper, we synergistically combine non-viral chemical materials, magnetic nanoparticles (MNPs), and a physical technique, low-intensity pulsed ultrasound (LIPUS), to achieve efficient and targeted gene delivery. The MNPs are iron oxide super-paramagnetic nanoparticles, coated with polyethyleneimine (PEI), which makes a high positive surface charge and is favorable for the binding of genetic materials. Due to the paramagnetic properties of the MNPs, the application of an external magnetic field increases transfection efficiency while LIPUS stimulation enhances cell viability and permeability. We found that stimulation at the intensity of 30 mW/cm2 for 10 minutes yields optimal results with a minimal adverse effect on the cells. By combining the effect of the external magnetic field and LIPUS, the genetic material (GFP or Cherry Red plasmid) can enter the cells. The flow cytometry results showed that by using just a magnetic field to direct the genetic material, the transfection efficiency on HEK 293 cells that were treated by our MNPs was 56.1%. Coupled with LIPUS stimulation, it increased to 61.5% or 19% higher than the positive control (Lipofectamine 2000). Besides, compared with the positive control, our method showed less toxicity. Cell viability after transfection was 63.61%, which is 19% higher than the standard transfection technique. In conclusion, we designed a new gene-delivery method that is affordable, targeted, shows low-toxicity, yet high transfection efficiency, compared to other conventional approaches.
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