A novel method for synthesizing PEGylated chitosan nanoparticles: strategy, preparation, and in vitro analysis
Notice bibliographique
Résumé
Meenakshi Malhotra, Ciaran Lane, Catherine Tomaro-Duchesneau, Shyamali Saha, Satya PrakashBiomedical Technology and Cell Therapy Research Laboratory, Departments of Biomedical Engineering and Physiology, Artificial Cells and Organs Research Center, Faculty of Medicine, McGill University, Quebec, CanadaAbstract: Preparation of poly (ethylene glycol) (PEG)-grafted chitosan is essential for improving the biocompatibility and water solubility of chitosan. Presently available methods for this have limitations. This article describes a new method for preparing PEGylated chitosan nanoparticles. For this chitosan was chemoselectively modified using a novel scheme at the C6 position of its repeating units by PEG. The amine groups at the C2 position of the chitosan were protected using phthalic anhydride. Sodium hydride was used to catalyze the etherification reaction between chlorinated chitosan and methyl-PEG, and PEG-grafted chitosan was successfully synthesized. Each step was characterized using 13C nuclear magnetic resonance and Fourier transform infrared. After PEGylation the phthaloylated chitosan was successfully deprotected using hydrazine monohydrate. The synthetic scheme proposed demonstrates a new method for grafting PEG onto chitosan with a moderate degree of substitution. The potential of this polymer in nanoparticle preparation using an ionic gelation method and its gene delivery potentials were investigated by complexing a fluorescently labeled control siRNA. The result showed that suitable nanoparticles can be synthesized using this polymer and that they have capacity to carry genes and provide adequate transfection efficacy with no toxicity when tested in neuronal cells.Keywords: nanoparticles, chitosan, poly (ethylene glycol), polymeric membrane, 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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 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 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 ».