Biocompatible and bioactivable terpolymer-lipid-MnO2 Nanoparticle-based MRI contrast agent for improving tumor detection and delineation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Early and precise detection of solid tumor cancers is critical for improving therapeutic outcomes. In this regard, magnetic resonance imaging (MRI) has become a useful tool for tumor diagnosis and image-guided therapy. However, its effectiveness is limited by the shortcomings of clinically available gadolinium-based contrast agents (GBCAs), i.e. poor tumor penetration and retention, and safety concerns. Thus, we have developed a novel nanoparticulate contrast agent using a biocompatible terpolymer and lipids to encapsulate manganese dioxide nanoparticles (TPL-MDNP). The TPL-MDNP accumulated in tumor tissue and produced paramagnetic Mn2+ ions, enhancing T1-weight MRI contrast via the reaction with H2O2 rich in the acidic tumor microenvironment. Compared to the clinically used GBCA, Gadovist®1.0, TPL-MDNP generated stronger T1-weighted MR signals by over 2.0-fold at 30 % less of the recommended clinical dose with well-defined tumor delineation in preclinical orthotopic tumor models of brain, breast, prostate, and pancreas. Importantly, the MRI signals were retained for 60 min by TPL-MDNP, much longer than Gadovist®1.0. Biocompatibility of TPL-MDNP was evaluated and found to be safe up to 4-fold of the dose used for MRI. A robust large-scale manufacturing process was developed with batch-to-batch consistency. A lyophilization formulation was designed to maintain the nanostructure and storage stability of the new contrast agent.
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.
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 | 0,001 | 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 découle