Protein-Engineered Fibers For Drug Encapsulation Traceable via <sup>19</sup>F Magnetic Resonance
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Theranostic materials research is experiencing rapid growth driven by the interest in integrating both therapeutic and diagnostic modalities. These materials offer the unique capability to not only provide treatment but also track the progression of a disease. However, to create an ideal theranostic biomaterial without compromising drug encapsulation, diagnostic imaging must be optimized for improved sensitivity and spatial localization. Herein, we create a protein-engineered fluorinated coiled-coil fiber, Q2 TFL, capable of improved sensitivity to 19 F magnetic resonance spectroscopy (MRS) detection. Leveraging residue-specific noncanonical amino acid incorporation of trifluoroleucine (TFL) into the coiled-coil, Q2, which self-assembles into nanofibers, we generate Q2 TFL . We demonstrate that fluorination results in a greater increase in thermostability and 19 F magnetic resonance detection compared to the nonfluorinated parent, Q2. Q2 TFL also exhibits linear ratiometric 19 F MRS thermoresponsiveness, allowing it to act as a temperature probe. Furthermore, we explore the ability of Q2 TFL to encapsulate the anti-inflammatory small molecule, curcumin (CCM), and its impact on the coiled-coil structure. Q2 TFL also provides hyposignal contrast in 1 H MRI, echogenic signal with high-frequency ultrasound and sensitive detection by 19 F MRS in vivo illustrating fluorination of coiled-coils for supramolecular assembly and their use with 1 H MRI, 19 F MRS and high frequency ultrasound as multimodal theranostic agents.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».