Multiphysics Modeling of Low-Intensity Pulsed Ultrasound Induced Chemotherapeutic Drug Release from the Surface of Gold Nanoparticles
Notice bibliographique
Résumé
Currently, no numerical model for low-intensity pulsed ultrasound (LIPUS)-triggered anticancer drug release from gold nanoparticle (GNP) drug carriers exists in the literature. In this work, LIPUS-induced doxorubicin (DOX) release from GNPs was achieved in an ex vivo tissue model. Transmission electronic microscopy (TEM) imaging was performed before and after LIPUS exposure, and significant aggregation of the GNPs was observed upon DOX release. Subsequently, GNP surface potential was determined before and after LIPUS-induced DOX release, using a Zetasizer. A numerical model was then created to predict GNP aggregation, and the subsequent DOX release, via combining a thermal field simulation by solving the bioheat transfer equation (in COMSOL) and the Derjaguin, Landau, Verwey, and Overbeek (DLVO) total interaction potential (in MATLAB). The DLVO model was applied to the colloidal DOX-loaded GNPs by summing the attractive van der Waals and electrostatic repulsion interaction potentials for any given GNP pair. DLVO total interaction potential was found before and after LIPUS exposure, and an energy barrier for aggregation was determined. The DLVO interaction potential peak amplitude was found to drop from 1.36 kBT to 0.24 kBT after LIPUS exposure, translating to an 82.4% decrease in peak amplitude value. It was concluded that the interaction potential energy threshold for GNP aggregation (and, as a result, DOX release) was equal to 0.24 kBT.
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 ».