MétaCan
Menu
Retour à la cohorte
Enregistrement W4413516472 · doi:10.1021/jacsau.5c00475

Designing Nanoparticle Surfaces with DNA Barcodes for Accurate In Vivo Quantification

2025· article· en· W4413516472 sur OpenAlexafffund
Ayokunle A. Lekuti, Vanessa Y. C. Li, Ayden Malekjahani, Sara Ahmed, Stefan M. Mladjenovic, Marshall G. G. Macduff, Warren C. W. Chan

Notice bibliographique

RevueJACS Au · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaNanoMedicines Innovation NetworkCanadian Institutes of Health ResearchCanada Research ChairsUniversity of TorontoCanadian Cancer Society
Mots-clésIn vivoComputational biologyNanoparticleDNANanotechnologyComputer scienceBiologyMaterials scienceGenetics

Résumé

récupéré en direct d'OpenAlex

DNA barcoding is a common method for identifying the biodistribution of nanoparticles. DNA barcodes are typically encapsulated within nanoparticles to ensure accurate measurements by next-generation sequencing. This method limits the types of nanoparticles that can be screened. DNA can also be coated on nanoparticle surfaces. However, it is unclear whether surface-coated DNA can be used as barcodes because they can degrade, making the identification and quantification of nanoparticle designs challenging. Here, we developed strategies to reduce DNA degradation on nanoparticle surfaces, allowing surface-based DNA barcodes for biodistribution applications. We demonstrate that nanoparticle size, DNA density, and polymer length and density are essential design parameters for accurately identifying and quantifying nanoparticles in vivo. We found that chemical modification of DNA and shielding using neutral polymers reduce DNA degradation. We validated that surface barcoding can determine the in vivo distribution of nanoparticles. Our findings pave the way for the use of surface-based DNA barcodes for in vivo screening of nanoparticle formulations for targeted applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,027
Score d'incertitude au seuil0,268

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,300
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJACS AuMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207