Nanocaging Rose Bengal to Inhibit Aggregation and Enhance Photo‐induced Oxygen Consumption<sup>†</sup>
Notice bibliographique
Résumé
Photosensitized crosslinking of proteins in tissues has many medical applications including sealing wounds, strengthening tissues, and beneficially altering tissue properties. Rose Bengal (RB) is used most frequently as the photosensitizer but is not as efficient as would be desired for broad utilization in medicine. Aggregation of RB, at the high concentrations used for medical treatments, decreases the yield of singlet oxygen, which mediates protein crosslinking. We hypothesized that nanocages that sequester RB would inhibit self-association, increasing photosensitization efficiency. We tested cucurbituril and cyclodextrin nanocages, demonstrating that hydroxypropyl-functionalized cyclodextrins are most effective in inhibiting RB aggregation. For these RB/cyclodextrin solutions, we investigated the effect of nanocaging on the photobleaching and oxygen consumption kinetics under 530 nm LED light in aqueous phosphate-buffered solutions. At 100 μm RB, the initial oxygen consumption rates increased by 58% and 80% compared with uncaged RB for the β and γ (2-hydroxypropyl) cyclodextrins, respectively. For 1 mm RB, the enhancement in these rates was much greater, about 200% and 300%, respectively. In addition, at 1 mm RB these two cyclodextrins increased the RB photobleaching rate by ~20% and ~75%. These results suggest that nanocages can minimize RB aggregation and may lead to higher-efficiency photo-medical therapies.
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 ».