Peptide-functionalized gold nanoparticles for boron neutron capture therapy with the potential to use in Glioblastoma treatment
Notice bibliographique
Résumé
Glioblastoma is a highly aggressive glioma with limited treatment options. Boron neutron capture therapy (BNCT) offers a promising approach for refractory cancers, utilizing boron-10 (10B) and thermal neutrons to generate cytotoxic particles. Effective BNCT depends on selective targeting and retention of 10B in tumors. Current BNCT drugs face issues with rapid clearance and poor tumor accumulation. To address this, we developed gold nanoparticles (AuNPs) functionalized with cyclic arginine-glycine-aspartic acid (cRGD) peptides as a nanocarrier for Sodium Mercaptododecaborate (BSH), resulting in AuNPs-BSH&PEG-cRGD. In vitro, AuNPs-BSH&PEG-cRGD increased 10B content in GL261 glioma cells by approximately 2.5-fold compared to unmodified AuNPs-BSH&PEG, indicating enhanced targeting due to cRGD's affinity for integrin receptor αvβ3. In a subcutaneous glioma mouse model, 6 h post-intratumoral administration, the 10B concentration in tumors was 17.98 μg/g for AuNPs-BSH&PEG-cRGD, significantly higher than 0.45 μg/g for BSH. The tumor-to-blood (T/B) and tumor-to-normal tissue (T/N) ratios were also higher for AuNPs-BSH&PEG-cRGD, suggesting improved targeting and retention. This indicates that AuNPs-BSH&PEG-cRGD may enhance BNCT efficacy and minimize normal tissue toxicity. In summary, this study provides a novel strategy for BSH delivery and may broaden the design vision of BNCT nano-boron capture agents.
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) | 0,001 | 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 ».