Algae-Synthesized Bismuth Nanoparticles for Drug Delivery in A549 Lung Cancer Cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The increasing prevalence of lung cancer, compounded by the limitations of conventional therapies, necessitates the exploration of innovative drug delivery systems.This study presents a novel approach to synthesizing bismuth nanoparticles (BiNPs) using Chlorella sp.extracts, aimed at enhancing targeted drug delivery for the human lung cancer cell line (A549).An extract of Chlorella sp. and bismuth nitrate was used to prepare BiNPs under optimized conditions.The nano-solution was characterized by various techniques.Gas chromatography-mass spectrometry (GC-MS) analysis was employed to identify the active algal phytocompounds.The cytotoxic activity of the BiNPs was tested against A549, while the normal human fibroblast cell line (NHF) was used to evaluate the biosafety of the nano-solution.Characterization using UV-vis spectroscopy and X-ray diffraction confirmed the successful synthesis of BiNPs, indicating a relative size of 26 nm.Cytotoxicity assay demonstrated that BiNPs exert a dose-dependent effect on A549 cells, showing significant selective toxicity with an IC50 of 5.797 g/mL, while minimizing affecting NHF cells, which had an IC50 of 17.68 g/mL.Furthermore, morphological assessments via microscopy indicated that BiNPs induced distinct apoptotic features in A549 cells.Gas chromatography-mass spectrometry analysis of the algal extract revealed the presence of bioactive compounds, including terpenoids and fatty acids, known for their antioxidant and anticancer properties, which may synergistically enhance the therapeutic efficacy of BiNPs.The study highlighted Chlorella-synthesized BiNPs as a promising targeted drug delivery system, advancing cancer nanomedicine and addressing challenges in traditional chemotherapy for lung cancer treatment.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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) | 0,000 | 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 découle