• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Advanced Functional Materials >Robust Prediction of Personalized Cell Recognition from a Cancer Population by a Dual Targeting Nanoparticle Library
【24h】

Robust Prediction of Personalized Cell Recognition from a Cancer Population by a Dual Targeting Nanoparticle Library

机译：通过双重靶向纳米粒子库从癌症人群中进行个性化细胞识别的鲁棒预测。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Nanomaterials are used increasingly in diagnostics and therapeutics, particularly for malignancies. Efficient targeting of nanoparticles to specific cells is an important requirement for the development of successful nanoparticle-based theranostics and personalized medicines. Gold nanoparticles are surface modified using a library of small organic molecules, and optionally folate, to investigate their ability to target four cell lines from common cancers, three having high levels of folate receptors expression. Uptake of these nanoparticles varies widely with surface chemistriy and cell lines. Sparse machine learning methods are used to computationally model surface chemistry-uptake relationships, to make quantitative predictions of uptake for new nanoparticle surface chemistries, and to elucidate molecular aspects of the interactions. The combination of combinatorial surface chemistry modification and machine learning models will facilitate the rapid development of targeted theranostics.
机译：纳米材料越来越多地用于诊断和治疗，特别是用于恶性肿瘤。将纳米颗粒有效靶向特定细胞是成功开发基于纳米颗粒的治疗学和个性化药物的重要要求。使用小的有机分子库和叶酸库对金纳米颗粒进行了表面修饰，以研究其靶向来自普通癌症的四种细胞系的能力，其中三种具有高水平的叶酸受体表达。这些纳米粒子的摄取随表面化学和细胞系的不同而有很大差异。稀疏的机器学习方法用于对表面化学-吸收关系进行计算建模，对新的纳米颗粒表面化学的吸收进行定量预测，并阐明相互作用的分子方面。组合表面化学修饰和机器学习模型的结合将促进目标治疗学的快速发展。

著录项

  • 来源
    《Advanced Functional Materials》 |2015年第44期|6927-6935|共9页
  • 作者

    Le Tu C.; Yan Bing; Winkler David A.;

  • 作者单位

    CSIRO Mfg, Clayton, Vic 3169, Australia;

    Shandong Univ, Sch Chem & Chem Engn, Jinan 250100, Peoples R China;

    CSIRO Mfg, Clayton, Vic 3169, Australia|Monash Inst Pharmaceut Sci, Parkville, Vic 3052, Australia|Latrobe Inst Mol Sci, Bundoora, Vic 3083, Australia|Flinders Univ S Australia, Sch Chem & Phys Sci, Bedford Pk, SA 5042, Australia;

  • 收录信息
  • 原文格式 PDF
  • 正文语种 eng
  • 中图分类
  • 关键词

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号