Activatable Photosensitizers: From Fundamental Principles to Advanced Designs
Notice bibliographique
Résumé
Photodynamic therapy (PDT) is a promising treatment that uses light to excite photosensitizers in target tissue, producing reactive oxygen species and localized cell death. It is recognized as a minimally invasive, clinically approved cancer therapy with additional preclinical applications in arthritis, atherosclerosis, and infection control. A hallmark of ideal PDT is delivering disease-specific cytotoxicity while sparing healthy tissue. However, conventional photosensitizers often suffer from non-specific photoactivation, causing off-target toxicity. Activatable photosensitizers (aPS) have emerged as more precise alternatives, offering controlled activation. Unlike traditional photosensitizers, they remain inert and photoinactive during circulation and off-target accumulation, minimizing collateral damage. These photosensitizers are designed to "turn on" in response to disease-specific biostimuli, enhancing therapeutic selectivity and reducing off-target effects. This review explores the principles of aPS, including quenching mechanisms stemming from activatable fluorescent probes and applied to activatable photosensitizers (RET, PeT, ICT, ACQ, AIE), as well as pathological biostimuli (pH, enzymes, redox conditions, cellular internalization), and bioresponsive constructs enabling quenching and activation. We also provide a critical assessment of unresolved challenges in aPS development, including limitations in targeting precision, selectivity under real-world conditions, and potential solutions to persistent issues (dual-lock, targeting moieties, biorthogonal chemistry and artificial receptors). Additionally, it provides an in-depth discussion of essential research design considerations needed to develop translationally relevant aPS with improved therapeutic outcomes and specificity.
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 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».