Investigation of human adipose stem cell-derived nanoparticles as a biomimetic carrier for intracellular drug delivery
Notice bibliographique
Résumé
Prevailing drug delivery strategies rely on the use of synthetic nanocarriers like metal nanoparticles and polymeric liposomes to control the release of therapeutics in a safe and efficacious manner. Despite their high efficiency in encapsulating drugs, these systems exhibit low to moderate biocompatibility, low cellular uptake, and sub-optimal targeting capabilities. Conversely, cell-derived nanoparticles (CDNs) have emerged as a promising alternative to these artificial drug delivery carriers for achieving safer clinical outcomes. In this study, we have generated CDNs from human adipose-derived stem cells (hASCs) using a high-yield fabrication strategy. Briefly, hASCs were subjected to a cell-shearing approach that entails passing the cells through an array of filters, along with serial centrifugations to eliminate intracellular contents. Ultimately, the fragmented parent cell membrane self-assembles to form the CDNs. This strategy successfully converted 80% of the plasma membrane into the novel nanocarriers with an average hydrodynamic diameter of 100 nm. Stability analysis confirmed that the formulated nanocarriers are stable for over 3 weeks, making them a potent candidate for long-term therapies. To demonstrate their potential in drug delivery, we encapsulated trehalose, a cell-impermeable sugar molecule, into the CDNs via an extrusion loading technique. Drug-loaded CDNs were effectively internalized into human umbilical vein endothelial cells (HUVECs) and hASCs, without inducing any significant cytotoxicity. Overall, the findings of this study establish the potential of hASC-derived CDNs as customizable biomimetic nanocarriers for drug delivery and other translational medicine 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 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 ».