Role of Ligand Distribution in the Cytoskeleton-Associated Endocytosis of Ellipsoidal Nanoparticles
Notice bibliographique
Résumé
Nanoparticle (NP)-cell interaction mediated by receptor-ligand bonds is a crucial phenomenon in pathology, cellular immunity, and drug delivery systems, and relies strongly on the shape of NPs and the stiffness of the cell. Given this significance, a fundamental question is raised on how the ligand distribution may affect the membrane wrapping of non-spherical NPs under the influence of cytoskeleton deformation. To address this issue, in this work we use a coupled elasticity-diffusion model to systematically investigate the role of ligand distribution in the cytoskeleton-associated endocytosis of ellipsoidal NPs for different NP shapes, sizes, cytoskeleton stiffness, and the initial receptor densities. In this model, we have taken into account the effects of receptor diffusion, receptor-ligand binding, cytoskeleton and membrane deformations, and changes in the configuration entropy of receptors. By solving this model, we find that the uptake process can be significantly influenced by the ligand distribution. Additionally, there exists an optimal state of such a distribution, which corresponds to the fastest uptake efficiency and depends on the NP aspect ratio and cytoskeleton stiffness. We also find that the optimal distribution usually needs local ligand density to be sufficiently high at the large curvature region. Furthermore, the optimal state of NP entry into cells can tolerate slight changes to the corresponding optimal distribution of the ligands. The tolerance to such a change is enhanced as the average receptor density and NP size increase. These results may provide guidelines to control NP-cell interactions and improve the efficiency of target drug delivery systems.
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 | 0,001 | 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 ».