Theranostic potential of manganese dioxide nanoparticles for targeting tumor hypoxia during MR-guided radiotherapy
Notice bibliographique
Résumé
Purpose Magnetic resonance (MR)-guided radiotherapy (MRgRT) is an attractive treatment option for many patients with cancer, allowing higher radiation doses to be safely delivered. However, even with more precise tumor targeting and higher doses, hypoxia remains an important clinical challenge, making tumors more radioresistant and detracting from the benefits of dose escalation. Nanoparticles loaded with manganese dioxide (MnO2) have been developed as theranostic agents to improve MRgRT. We review the MR-enhancing and oxygen-generating properties of MnO2 nanoparticles, the evidence that MnO2 nanoparticles can improve tumor response to RT, and the opportunities for further research to support translation into the clinic.Conclusion The theranostic potential of MnO2 nanoparticles lies in the dual functionality of providing tumor-specific MR enhancement for RT planning and image guidance, while also generating oxygen in the tumor microenvironment (TME) to overcome hypoxia-induced radioresistance. Several preclinical studies have demonstrated lower levels of hypoxia and improved tumor response when RT is combined with MnO2 nanoparticles. In addition, MnO2 nanoparticles have been reported to deplete intracellular antioxidants and create an immunogenic, less immunosuppressive TME, which may also enhance radiotherapy efficacy. These encouraging findings support further clinical evaluation in patients receiving MRgRT.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».