Collagen – a newly discovered major player in protein corona formation on nanoparticles
Notice bibliographique
Résumé
Tracking protein corona (PC) formation on the surface of nanoparticles (NPs) is a prerequisite for successful design of next generation nanocarriers with predictable fate and behavior. However, PC formation has mostly been investigated for plasma proteins without considering potential competition with the extravascular proteins either when the NPs exit the blood circulation or when they are injected extravascularly. This study investigates the deposition of collagen, an extravascular protein that is the most abundant in the body, and albumin, the most abundant vascular protein, on the surface of gold (Au) NPs using UV-Vis and fluorescence spectroscopy with the support of mathematical modeling. Moreover, a novel spectroscopic approach to determining the protein-NP binding constants and surface occupancy is presented. We show that albumin and collagen have drastically different affinities for Au NPs. Our data demonstrates that the surface bound albumin can be exchanged with collagen confirming the dynamic nature of PC in the extravascular milieu. We propose that future PC investigations in the framework of drug delivery should rely on understanding of the NP transit in the body, and include competition experiments with relevant vascular and extravascular proteins. Furthermore, our results that reveal very strong binding of collagen to AuNPs may lay the foundation for designing long circulating collagen-coated NPs with minimal surface adsorption of plasma proteins and, thus, reduced immune recognition.
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 ».