The careful selection of zwitterionic nanoparticle coating results in rapid and efficient cell labeling for imaging‐based cell tracking
Notice bibliographique
Résumé
Abstract The increased clinical application of cell‐based therapies has resulted in a parallel increase in the need for non‐invasive imaging‐based approaches for cell tracking, often through labeling with nanoparticles. An ideal nanoparticle for such applications must be biologically compatible as well as readily internalized by cells to ensure adequate and stable cell loading. Surface coatings have been used to make nanoparticle trackers suitable for these purposes, but those currently employed tend to have cytotoxic effects. Zwitterionic ligands are known to be biocompatible and antifouling; however, head‐to‐head evaluation of specific zwitterionic ligands for cell loading has not yet been explored. Magnetic particle imaging (MPI) detects superparamagnetic iron oxide nanoparticles (SPIONs) using time‐varying magnetic fields. Because MPI can produce high‐contrast, real‐time images with no tissue depth limitation, it is an ideal candidate for in vivo cell tracking. In this work, we have conjugated hard (permanently charged) and soft (pKa‐dependently charged) biomimetic zwitterionic ligands to SPIONs and characterized how these ligands changed SPION physicochemical properties. We have evaluated cellular uptake and subcellular localization between zwitterions, how the improvement in cell uptake generated stronger MPI signal for smaller numbers of cells, and how these cells can be tracked in an animal model with greater sensitivity for longer periods of time. Our best‐performing surface coating afforded high cell loading within 4 h, with full signal retention in vivo over 7 days.
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 | 0,001 |
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 ».