Uniform and Length-Tunable, Paramagnetic Self-Assembled Nitroxide-Based Nanofibers for Magnetic Resonance Imaging
Notice bibliographique
Résumé
Magnetic resonance imaging (MRI) is a widely used non-invasive medical imaging tool. Nanoparticle-based MRI contrast agents have received considerable attention due to their high loading capability for magnetic species, enhanced accumulation in lesions, and versatile surface functionalization. Anisotropic nanoparticles such as nanofibers can exhibit significant advantages over their well-explored spherical counterparts in terms of their pharmacokinetic and biodistribution profiles. Herein, we report the retrosynthetic design, synthesis, and characterization of uniform and length-tunable paramagnetic core-shell nanofibers for MRI through the use of the seeded-growth “living” crystallization-driven self-assembly (CDSA) approach. Triblock copolymer (TriBCP) precursors with a crystallizable polycarbonate core-forming segment, a nitroxide-bearing central region, and a hydrophilic poly(ethylene glycol) (PEG) terminal corona-forming segment were prepared via sequential living organocatalytic ring-opening polymerization (ROP). Low dispersity nanofibers of length ca. 80 nm relevant for biomedical applications were prepared for detailed studies by living CDSA and these possessed an average number of nitroxides per nanofiber of >8000. Subsequent evaluation of the water-proton relaxivities demonstrated that tuning the hydrophilicity of the central segment in the TriBCP allowed access to nanofibers with impressive performance compared to most existing polymer-based nitroxide-based contrast agents. As a result of their 1D morphology, the synthetic nanofibers therefore represent promising organic radical contrast agents (ORCAs) for MRI applications.
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 | 0,001 | 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 ».