Investigation of Nano-Bio Interactions within a Pancreatic Tumor Microenvironment for the Advancement of Nanomedicine in Cancer Treatment
Notice bibliographique
Résumé
Pancreatic cancer is one of the deadliest types of cancer, with a five-year survival rate of only 10%. Nanotechnology offers a novel perspective to treat such deadly cancers through their incorporation into radiotherapy and chemotherapy. However, the interaction of nanoparticles (NPs) with cancer cells and with other major cell types within the pancreatic tumor microenvironment (TME) is yet to be understood. Therefore, our goal is to shed light on the dynamics of NPs within a TME of pancreatic origin. In addition to cancer cells, normal fibroblasts (NFs) and cancer-associated fibroblasts (CAFs) were examined in this study due to their important yet opposite roles of suppressing tumor growth and promoting tumor growth, respectively. Gold nanoparticles were used as the model NP system due to their biocompatibility and physical and chemical proprieties, and their dynamics were studied both quantitatively and qualitatively in vitro and in vivo. The in vitro studies revealed that both cancer cells and CAFs take up 50% more NPs compared to NFs. Most importantly, they all managed to retain 70-80% of NPs over a 24-h time period. Uptake and retention of NPs within an in vivo environment was also consistent with in vitro results. This study shows the paradigm-changing potential of NPs to combat the disease.
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) | 0,001 | 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 ».