Shear stress preconditioning and microbubble flow pattern modulate ultrasound-assisted plasma membrane permeabilization
Notice bibliographique
Résumé
The recent and exciting success of anti-inflammatory therapies for ischemic heart disease (e.g. atherosclerosis) is hindered by the lack of site-specific and targeted therapeutic deposition. Microbubble-mediated focused ultrasound, which uses circulating, lipid-encapsulated intravascular microbubbles to locally enhance endothelial permeability, offers an exciting approach. Atherosclerotic plaques preferentially develop in regions with disturbed blood flow, and microbubble-endothelial cell membrane interactions under such flow conditions are not well understood. Here, using an acoustically-coupled microscopy system, endothelial cells were sonicated (1 MHz, 20 cycle bursts, 1 ms PRI, 4 s duration, 300 kPa peak-negative pressure) under perfusion with Definity™ bubbles to examine microbubble-mediated endothelial permeabilization under a range of physiological conditions. Endothelial preconditioning under prolonged shear influenced physiology and the secretome, inducing increased expression of pro-angiogenesis analytes, decreasing levels of pro-inflammatory ones, and increasing the susceptibility of ultrasound therapy. Ultrasound treatment efficiency was positively correlated with concentrations of pro-angiogenic cytokines (e.g. VEGF-A, EGF, FGF-2), and negatively correlated with pro-inflammatory chemokines (e.g. MCP-1, GCP-2, SDF-1). Furthermore, ultrasound therapy under non-reversing pulsatile flow (∼4–8 dyne/cm2, 0.5–1 Hz) increased permeabilization up to 2.4-fold compared to shear-matched laminar flow, yet treatment under reversing oscillatory flow resulted in more heterogeneous modulation. This study provides insight into the role of vascular physiology, including endothelial biology, into the design of a localized ultrasound drug delivery system for ischemic heart disease.
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 ».