Gold–Protein Composite Nanoparticles for Enhanced X-ray Interactions: A Potential Formulation for Triggered Release
Notice bibliographique
Résumé
Drug-delivery vehicles have been used extensively to modulate the biodistribution of drugs for the purpose of maximizing their therapeutic effects while minimizing systemic toxicity. The release characteristics of the vehicle must be balanced with its encapsulation properties to achieve optimal delivery of the drug. An alternative approach is to design a delivery vehicle that preferentially releases its contents under specific endogenous (e.g., tissue pH) or exogenous (e.g., applied temperature) stimuli. In the present manuscript, we report on a novel delivery system with potential for triggered release using external beam radiation. Our group evaluated Zein protein as the basis for the delivery vehicle and used radiation as the exogenous stimulus. Proteins are known to react with free radicals, produced during irradiation in aqueous suspensions, leading to aggregation, fragmentation, amino acid modification, and proteolytic susceptibility. Additionally, we incorporated gold particles into the Zein protein matrix to create hybrid Zein-gold nanoparticles (ZAuNPs). Zein-only nanoparticles (ZNPs) and ZAuNPs were subsequently exposed to kVp radiation (single dose ranging from 2 to 80 Gy; fractionated doses of 2 Gy delivered 10 times) and characterized before and after irradiation. Our data indicated that the presence of gold particles within Zein particles was correlated with significantly higher levels of alterations to the protein, and was associated with higher rates of release of the encapsulated drug compound, Irinotecan. The aggregate results demonstrated a proof-of-principle that radiation can be used with gold nanoparticles to modulate the release rates of protein-based drug-delivery vehicles, such as ZNPs.
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 ».