Improving the Efficiency of Ultrasound and Microbubble Mediated Gene Delivery by Manipulation of Microbubble Lipid Composition
Notice bibliographique
Résumé
Ultrasound and microbubble-mediated gene delivery is emerging as a powerful nonviral gene delivery approach due to its ability to target various tissues. Since microbubble cavitation plays a crucial role in gene delivery, factors affecting cavitation, such as microbubble composition, size, ultrasound pressure, frequency, and pulse interval, can directly affect the efficiency of gene delivery. The effect of ultrasound parameters on gene delivery efficiency has been systematically investigated in numerous studies. However, relatively few studies have investigated the influence of different microbubble compositions on gene delivery. In this paper, we report that microbubbles made with the same lipids but different poly(ethylene glycol) (PEG) derivatives lead to significantly different gene delivery efficiencies in vitro . Moreover, we show that the type of PEG derivative used in microbubble formulations greatly influences the acoustic response of microbubbles (i.e., resonance frequency and frequency-dependent attenuation coefficient), thus explaining the differences in gene delivery efficiencies. Our results highlight that changing a single component in the microbubble formulation, i.e., the type of PEG derivative, can improve gene delivery efficiency by 3-fold. This comparative study of microbubbles made with different PEG derivatives may help researchers in designing microbubble formulations for optimal gene delivery.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| 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 ».