Liquid chromatography-based metallomics and transmission electron microscopy reveal gold nanoparticle surface treatment with vicinal dithiols to abolish protein corona formation
Notice bibliographique
Résumé
AIMS: While gold nanoparticles (AuNPs) should allow the delivery of surface immobilized drugs to intended target tissues via the bloodstream, their interactions with plasma proteins may induce their aggregation and thus impede an effective delivery of chemotherapeutic agents to target tissues. The deliberate surface treatment of AuNPs has the potential to overcome this inherent limitation. METHODS: To probe interactions between surface treated AuNPs in blood plasma, we employed a size-exclusion chromatography (SEC)-based metallomics tool together with transmission electron microscopy (TEM). RESULTS: After the addition of citrate capped AuNPs to plasma, its metallomics analysis revealed a >670 kDa Au species, which TEM analysis identified as AuNP-plasma protein aggregates. To ameliorate the formation of the latter, the surface of citrate capped AuNPs was modified with dithiothreitol (DTT), meso 2,3-dimercaptosuccinic acid (DMSA), or 2,3 dimercapto-1-propionesulfonic acid (DMPS) and the effect of this surface treatment was probed after the addition of these modified AuNPs to rabbit plasma. The results for DMSA/DMPS-treated AuNPs revealed that the tight binding of these dithiols more significantly reduced protein corona formation compared to DTT-AuNPs implying that the surface treatment of AuNPs with DMSA or DMPS is a feasible strategy to control protein corona formation and thus their aggregation in plasma. CONCLUSIONS: The AuNP-based delivery of immobilized drugs using targeting sequences to cancer tissues can be enhanced by their surface treatment with DMSA or DMPS. Since dithiols left over after the AuNP surface treatment mobilized iron from plasma metalloproteins, excess dithiols must be removed before injecting patients.
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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».