Preparation and Characterization of Chlorin e6-Conjugated Au Nanoparticles as the Radiosensitizer for Enhanced Radiotherapy
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide The interaction between ionizing radiation and materials composed of high Z-number elements could be applied to enhance radiotherapy. In this work, we fabricated an ionizing radiation-sensitive nanoplatform by grafting chlorin e6 (Ce6) onto the surface of ultrasmall gold nanoparticles (Au NPs), aiming to enhance the radiation effects induced by different radiation sources. Poly(ethylene glycol) (PEG) was applied as the shape-controlling agent during the synthesis of Au nanoparticles. The as-prepared Au NPs show excellent monodispersity, with an average hydrodynamic diameter of around 5 nm. U87 and HeLa cell lines were utilized to evaluate the biological properties of the as-prepared Ce6–Au NPs. The Cell Counting Kit-8 (CCK-8) results reveal that the Ce6–Au NPs conjugate can significantly affect the growth of U87 cells under X-ray and 68 Ga exposure, which is not seen for the pure Au NPs, Ce6, and physically mixed Ce6 and Au NPs. Moreover, the Ce6–Au NPs conjugate show evident cell prefoliation inhibition of U87 and HeLa cells under both X-ray and 18 F-radiolabeled fluorodeoxyglucose ( 18 F-FDG) exposure. These results indicate that interaction exists between Ce6 and Au NPs under radiation exposure. The mRNA sequencing results show that the tumor killing performance induced by Ce6–Au NPs may be due to regulation of the tumor microenvironment (TME) and immune-relevant signaling pathway. Our research proves that the rational combination of Au NPs and Ce6 can make better use of ionizing radiation energy and thus improve the therapeutic outcome of radiotherapy.
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 | 0,000 |
| 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) | 0,000 | 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 ».