Bimodal brush-functionalized nanoparticles selective to receptor surface density
Notice bibliographique
Résumé
Nanoparticles or drug carriers which can selectively bind to cells expressing receptors above a certain threshold surface density are very promising for targeting cells overexpressing specific receptors under pathological conditions. Simulations and theoretical studies have suggested that such selectivity can be enhanced by functionalizing nanoparticles with a bimodal polymer monolayer (BM) containing shorter ligated chains and longer inert protective chains. However, a systematic study of the effect of these parameters under tightly controlled conditions is still missing. Here, we develop well-defined and highly specific platforms mimicking particle-cell interface using surface chemistry to provide a experimental proof of such selectivity. Using surface plasmon resonance and atomic force microscopy, we report the selective adsorption of BM-functionalized nanoparticles, and especially, a significant enhanced selective behavior by using a BM with longer protective chains. Furthermore, a model is also developed to describe the repulsive contribution of the protective brush to nanoparticle adsorption. This model is combined with super-selectivity theory to support experimental findings and shows that the observed selectivity is due to the steric energy barrier which requires a high number of ligand-receptor bonds to allow nanoparticle adsorption. Finally, the results show how the relative length and molar ratio of two chains can be tuned to target a threshold surface density of receptors and thus lay the foundation for the rational design of BM-functionalized nanoparticles for selective targeting.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».