Layer-by-Layer Polymer Functionalization Improves Nanoparticle Penetration and Glioblastoma Targeting in the Brain
Notice bibliographique
Résumé
Glioblastoma is characterized by diffuse infiltration into surrounding healthy brain tissues, which makes it challenging to treat. Complete surgical resection is often impossible, and systemically delivered drugs cannot achieve adequate tumor exposure to prevent local recurrence. Convection-enhanced delivery (CED) offers a method for administering therapeutics directly into brain tumor tissue, but its impact has been limited by rapid clearance and off-target cellular uptake. Nanoparticle (NP) encapsulation presents a promising strategy for extending the retention time of locally delivered therapies while specifically targeting glioblastoma cells. However, the brain’s extracellular structure poses challenges for NP distribution due to its narrow, tortuous pores and a harsh ionic environment. In this study, we investigated the impact of NP surface chemistry using layer-by-layer (LbL) assembly to design drug carriers for broad spatial distribution in brain tissue and specific glioblastoma cell targeting. We found that poly- l -glutamate and hyaluronate were effective surface chemistries for targeting glioblastoma cells in vitro . Coadsorbing either polymer with a small fraction of PEGylated polyelectrolytes improved the colloidal stability without sacrificing cancer cell selectivity. Following CED in vivo, gadolinium-functionalized LbL NPs enabled MRI visualization and exhibited a distribution volume up to three times larger than liposomes and doubled the retention half-time up to 13.5 days. Flow cytometric analysis of CED-treated murine orthotopic brain tumors indicated greater cancer cell uptake and reduced healthy cell uptake for LbL NPs compared to nonfunctionalized liposomes. The distinct cellular outcomes for different colayered LbL NPs provide opportunities to tailor this modular delivery system for various therapeutic 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) | 0,001 | 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 ».