Understanding the formulation parameters for engineering indocyanine green J-aggregate lipid nanocapsules and solid lipid nanoparticles as promising photothermal agents
Notice bibliographique
Résumé
Indocyanine green J-aggregate (IJA) is a promising photothermal (PTT) agent that has recently been utilised in preclinical studies for cancer diagnostics and treatment. The unique properties, such as the red-shift absorption band and longer wavelengths, are behind IJA's superior thermal stability compared to its monomeric ICG. Loading IJA into nanoparticles (NPs) has proven advantageous in enhancing its in vivo targeting of various cancer models. However, the loading of IJA into more complex lipids, such as lipid nanocapsules (LNCs) and solid lipid nanoparticles (SLNs), has not been reported. The present work focuses on investigations of the effect of formulation parameters on pre-formed IJA (p-IJA) stability and the formation of p-IJA-loaded LNCs and SLNs, thus enhancing their theranostic applications. We investigated the effect of the lipid shell of LNCs and the lipid core of SLN on p-IJA stability. Our findings demonstrated the significant role of lipophilic surfactants (Span 85) and a high-melting-point lipid core (sodium stearate) in enhancing the p-IJA ratio and heating capacity following loading into SLNs. More importantly, p-IJA-SLN enhanced the optical stability of p-IJA in a range of biological media, such as serum proteins, blood, and collagen. Furthermore, lyophilised p-IJA-SLNs were successfully obtained after long-term storage. Overall, p-IJA-loaded lipid NPs could provide a promising platform for various applications, including photoacoustic imaging, PTT, photodynamic therapy (PDT), and combination therapy with chemotherapeutics.
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 | 0,001 | 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 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 ».