Blood vessel wall shear stress determines regions of liposome accumulation in angiogenic vasculature
Notice bibliographique
Résumé
Abstract Nanoparticles used for drug delivery often require intravenous administration exposing them to fluid forces within the vasculature, yet the impact of blood flow on nanoparticle delivery remains incompletely understood. Here, we utilized transgenic zebrafish embryos to investigate the relationship between the accumulation of fluorescently labeled PEGylated liposomes and various hemodynamic factors (such as flow velocity, wall shear stress (WSS), and flow pattern) across a wide range of angiogenic blood vessels. We reconstructed 3D models of vascular structures from confocal images and used computational fluid dynamics to calculate local WSS, velocities, and define flow patterns. The spatial distribution of fluorescently labeled liposomes was subsequently mapped within the same 3D space and correlated with local hemodynamic parameters. Through the integration of computational fluid dynamics and in vivo experimentation, we show that liposomes accumulated in vessel regions with WSS between 0.1–0.8 Pa, displaying an inverse linear correlation (R2 > 0.85) between time-average wall shear stress and liposome localization in vivo. Interestingly, flow pattern did not appear to impact liposome accumulation. Collectively, our findings suggest the potential of stealth liposomes for passive targeting of low-flow vasculature, including capillaries and intricate angiogenic vasculature resembling that of tumor vessel networks.
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) | 0,002 | 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 ».