MétaCan
Menu
Retour à la cohorte
Enregistrement W4283034626 · doi:10.1021/acsnano.2c00327

Fluidity-Guided Assembly of Au@Pt on Liposomes as a Catalase-Powered Nanomotor for Effective Cell Uptake in Cancer Cells and Plant Leaves

2022· article· en· W4283034626 sur OpenAlexaff
Zhenfeng Wang, Yong Yan, Chao Li, Yue Yu, Sheng Cheng, Shuai Chen, Xiaojun Zhu, Liping Sun, Wei Tao, Juewen Liu, Feng Wang

Notice bibliographique

RevueACS Nano · 2022
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueMicro and Nano Robotics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesAnhui Provincial Key Research and Development PlanMinistry of Education of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésLiposomeCatalaseCancer cellCancerNanotechnologyBiophysicsChemistryMaterials scienceBiochemistryMedicineBiologyEnzymeInternal medicine

Résumé

récupéré en direct d'OpenAlex

The fluidity of the liposomes is essential to nanoparticle–membrane interactions. We herein report a liposomal nanomotor system by controlling the self-assembly behavior of gold core–platinum shell nanoparticles (Au@Pt) on liposomes. Au@Pt can aggregate immediately on fluid-phase dioleoyl- sn -glycero-3-phosphocholine (DOPC) liposomes, forming an uneven distribution. By control of the lipid phase and fluidity, either using pure 1,2-dipalmitoyl- sn -glycero-3-phosphocholine (DPPC) above its phase transition temperature or adding cholesterol as an adjuvant to DPPC lipids, we precisely control the assembly of Au@Pt on liposomes. Au@Pt maintained high catalase-like activity on the liposomal surface, promoting the decomposition of H 2 O 2 and the movement of the liposomal nanomotors. Finally, we demonstrate that liposomal nanomotors are biocompatible and they can speed up the cellular uptake in mammalian HepG2 cancer cells and Nicotiana tabacum ( Nb ) plant leaves. This liposomal nanomotor system is expected to be further investigated in biomedicine and plant nanotechnology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,255
Écart entre enseignants0,243 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetMicro and Nano RoboticsTravaux en français237 207