Physical Characterization to Improve Scalability and Potential of Anesthetic-Loaded Nanodroplets
Notice bibliographique
Résumé
Drug-loaded perfluorocarbon nanodroplets (NDs) can be activated non-invasively by focused ultrasound (FUS) and allow for precise drug-delivery. Anesthetic-loaded NDs and transcranial FUS have previously achieved targeted neuromodulation. To assess the clinical potential of anesthetic-loaded NDs, in depth physical characterization and investigation of storage strategies and triggered-activation is necessary. Pentobarbital-loaded decafluorobutane nanodroplets (PBNDs) with a Definity-derived lipid shell (237 nm; 4.08 × 109 particles/mL) were fabricated and assessed. Change in droplet stability, concentration, and drug-release efficacy were tested for PBNDs frozen at −80 °C over 4 weeks. PBND diameter and the polydispersity index of thawed droplets remained consistent up to 14 days frozen. Cryo-TEM images revealed NDs begin to lose circularity at 7 days, and by 14 days, perfluorocarbon dissolution and lipid fragmentation occurred. The level of acoustic response and drug release decreases through prolonged storage. PBNDs showed no hemolytic activity at clinically relevant concentrations and conditions. At increasing sonication pressures, liquid PBNDs vaporized into gas microbubbles, and acoustic activity at the second harmonic frequency (2 f0) peaked at lower pressures than the subharmonic frequency (1/2 f0). Definity-based PBNDs have been thoroughly characterized, cryo-TEM has been shown to be suitable to image the internal structure of volatile NDs, and PBNDs can be reliably stored at −80 °C for future use up to 7 days without significant degradation, loss of acoustic response, or reduction in ultrasound-triggered drug release.
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 ».