A Manganese Porphyrin Platform for the Design and Synthesis of Molecular and Targeted MRI Contrast Agents
Notice bibliographique
Résumé
Magnetic resonance imaging (MRI) contrast agents, in contrast to the plethora of fluorescent agents available to target disease biomarkers or exogenous implants, have remained predominantly non-specific. That is, they do not preferentially accumulate in specific locations in vivo because doing so necessitates longer contrast retention, which is contraindicated for current gadolinium (Gd) agents. This double-edge sword implies that Gd agents can offer either rapid elimination (but lack specificity) or targeted accumulation (but with toxicity risks). For this reason, MRI contrast agent innovation has been severely constrained. Gd-free alternatives based on manganese (Mn) chelates have been largely ineffective, as they are inherently unstable. In this study, we present a Mn(III) porphyrin (MnP) platform for bioconjugation, offering the highest stability and chemical versatility compared to any other T1 contrast agent. We exploit the inherent metal stability conferred by porphyrins and the absence of pendant bases (found in Gd or Mn chelates) that limit versatile functionalization. As proof-of-principle, we demonstrate labeling of human serum albumin, a model protein, and collagen hydrogels for applications in in-vivo targeted imaging and material tracking, respectively. In-vitro and in-vivo results confirm unprecedented metal stability, ease of functionalization, and high T1 relaxivity. This new platform opens the door to ex-vivo validation by fluorescent imaging and multipurpose molecular imaging in vivo.
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) | 0,000 | 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 ».