Multifunctional Perfluorocarbon Nanoemulsions for Cancer Therapy and Imaging
Notice bibliographique
Résumé
Nanoemulsions have been used as theranostic agents for both imaging cancer and therapy by the ability of perfluorocarbon nanoemulsions to vaporize. However, many of the current imaging contrast agents are not stable enough to be used for long term monitoring of tumor growth/regression during therapy. The current work uses biocompatible perfluorohexane nanoemulsions (PFH-NEs) with silica coated gold nanoparticles (scAuNPs) (PFH-NEs-scAuNPs) that can be used to enhance both the photoacoustic (PA) as well as the nonlinear ultrasound (NL US) signals from the resulting PFH bubbles formed from laser excitation. Results show the ability of PFH-NEs-scAuNPs to be used for imaging of cancer using various imaging platforms (i.e., photoacoustic, nonlinear ultrasound, fluorescence) as well as for destroying cancer cells through vaporization of PFH-NEs. Compared to other conventional PA and NL US contrast agents, the signals from PFH-NEs-scAuNPs are more stable with the added benefit that they can be used effectively to treat different tumors through efficient encapsulation of different therapeutic agents and vaporization. In vivo results show that the signals from PFH-NEs and PFH bubbles are stable for several days where the nanoparticles can be used for their theranostic ability to efficiently localize and treat cancer, serving to improve outcomes in cancer and showing strong potential for clinical applications.
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 ».