Iodinated gadolinium-gold nanomaterial as a multimodal contrast agent for cartilage tissue imaging
Notice bibliographique
Résumé
Cartilage damage, a common cause of osteoarthritis, requires medical imaging for accurate diagnosis of pathological changes. However, current instruments can acquire limited imaging information due to sensitivity and resolution issues. Therefore, multimodal imaging is considered an alternative strategy to provide valuable images and analyzes from different perspectives. Among all biomaterials, gold nanomaterials not only exhibit outstanding benefits as drug carriers, in vitro diagnostics, and radiosensitizers, but are also widely used as contrast agents, particularly for tumors. However, their potential for imaging cartilage damage is rarely discussed. In this study, we developed a versatile iodinated gadolinium-gold nanomaterial, AuNC@BSA-Gd-I, and its radiolabeled derivative, AuNC@BSA-Gd-131I, for cartilage detection. With its small size, negative charge, and multimodal capacities, the probe can penetrate damaged cartilage and be detected or visualized by computed tomography, MRI, IVIS, and gamma counter. Additionally, the multimodal imaging potential of AuNC@BSA-Gd-I was compared to current multifunctional gold nanomaterials containing similar components, including anionic AuNC@BSA, AuNC@BSA-I, and AuNC@BSA-Gd as well as cationic AuNC@CBSA. Due to their high atomic numbers and fluorescent emission, AuNC@BSA nanomaterials could provide fundamental multifunctionality for imaging. By further modifying AuNC@BSA with additional imaging materials, their application could be extended to various types of medical imaging instruments. Nonetheless, our findings showed that each of the current nanomaterials exhibited excellent abilities for imaging cartilage with their predominant imaging modalities, but their versatility was not comparable to that of AuNC@BSA-Gd-I. Thus, AuNC@BSA-Gd-I could be served as a valuable tool in multimodal imaging strategies for cartilage assessment.
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 | 0,001 | 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 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 ».