Mechanisms of Nanoscale Radiation Enhancement by Metal Nanoparticles: Role of Low Energy Electrons
Notice bibliographique
Résumé
Metal nanoparticles are considered as highly promising radiosensitizers in cancer radiotherapy. Understanding their radiosensitization mechanisms is critical for future clinical applications. This review is focused on the initial energy deposition by short-range Auger electrons; when high energy radiation is absorbed by gold nanoparticles (GNPs) located near vital biomolecules; such as DNA. Auger electrons and the subsequent production of secondary low energy electrons (LEEs) are responsible for most the ensuing chemical damage near such molecules. We highlight recent progress on DNA damage induced by the LEEs produced abundantly within about 100 nanometers from irradiated GNPs; and by those emitted by high energy electrons and X-rays incident on metal surfaces under differing atmospheric environments. LEEs strongly react within cells; mainly via bound breaking processes due to transient anion formation and dissociative electron attachment. The enhancement of damages induced in plasmid DNA by LEEs; with or without the binding of chemotherapeutic drugs; are explained by the fundamental mechanisms of LEE interactions with simple molecules and specific sites on nucleotides. We address the major challenge of metal nanoparticle and GNP radiosensitization; i.e., to deliver the maximum local dose of radiation to the most sensitive target of cancer cells (i.e., DNA). To achieve this goal the emitted electrons from the absorbed high energy radiation must be short range, and produce a large local density of LEEs, and the initial radiation must have the highest possible absorption coefficient compared to that of soft tissue (e.g., 20-80 keV X-rays).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 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 ».