Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Mô hình sinh học của hạt nano dựa trên gadolinium trong việc tăng cường độ nhạy bức xạ cho tia photon kilovoltage: một nghiên cứu Monte Carlo
Cancer Nanotechnology - 2023
Tóm tắt
Các hạt nano dựa trên gadolinium (GdNP) được sử dụng lâm sàng để tăng cường độ nhạy bức xạ của tế bào khối u. Tuy nhiên, các nghiên cứu về cơ chế và mô hình sinh học của việc tăng cường bức xạ bằng GdNP vẫn còn sơ bộ. Nghiên cứu này nhằm điều tra cơ chế tăng cường bức xạ của GdNP đối với tia photon kilovoltage bằng cách sử dụng mô phỏng Monte Carlo (MC) và thiết lập mô hình sinh học dựa trên mô hình hiệu ứng cục bộ (LEM) cho việc nhạy cảm bức xạ của GdNP. Quang phổ và năng suất electron thứ cấp cũng như sự tăng cường liều xung quanh một GdNP đơn lẻ và các cụm GdNP đã được tính toán trong một khối giả nước bằng cách sử dụng mô phỏng cấu trúc đường đi MC với mã TOPAS. Chúng tôi đã xây dựng mô hình hình học tế bào hình vỏ như một phần của tế bào ung thư tụy dựa trên quan sát từ kính hiển vi điện tử truyền qua (TEM). Mô hình sinh học dựa trên LEM cho việc nhạy cảm bức xạ của GdNP đã được thiết lập dựa trên sự phân bố liều nano tính toán bằng MC trong mô hình tế bào để dự đoán tỷ lệ sống sót của tế bào sau khi bức xạ. Năng suất electron thứ cấp cho GdNP là 0,16% so với năng suất của hạt nano vàng (GNP), trong khi năng lượng trung bình của electron cao hơn 12%. Phần lớn sự tăng cường liều đến từ sự đóng góp của electron Auger. Các cụm GdNP có phạm vi và mức độ tăng cường liều lớn hơn so với GdNP đơn lẻ, mặc dù sự cụm GdNP làm giảm đáng kể liều lượng radial cho mỗi photon tương tác. Đối với khoảng liều từ 0 đến 8 Gy, tỷ lệ sống sót được dự đoán bằng mô hình sinh học dựa trên LEM nằm trong một độ lệch chuẩn của các kết quả thực nghiệm đã được công bố, và sai số giữa chúng đều nằm trong 25%. Cơ chế tăng cường bức xạ của GdNP cho các photon kilovoltage đã được điều tra bằng cách sử dụng mô phỏng MC. Kết quả dự đoán của mô hình sinh học dựa trên LEM được thiết lập cho việc nhạy cảm bức xạ của GdNP cho thấy sự tương đồng tốt với các kết quả thực nghiệm đã được công bố, mặc dù sự sai lệch của các tham số mô phỏng có thể dẫn đến sự khác biệt lớn trong các kết quả. Theo kiến thức của chúng tôi, đây là mô hình sinh học đầu tiên dựa trên LEM cho việc nhạy cảm bức xạ của GdNP.
Từ khóa
Tài liệu tham khảo
Agostinelli S, Allison J, Amako K et al (2003) GEANT4—a simulation toolkit. Nucl Instrum Methods Phys Res A 506(3):250–303
Allison J et al (2006) Geant4 developments and applications. IEEE Trans Nucl Sci 53:270–278
Allison J, Amako K, Apostolakis J et al (2016) Recent developments in Geant4 nucl. Instrum. Methods Phys Res A 835:186–225
Brown JMC, Currell FJ (2017) A local effect model-based interpolation framework for experimental nanoparticle radiosensitisation data. Cancer Nanotechnol 8(1):1
Chandra RA, Keane FK, Voncken FEM, Thomas CR Jr (2021) Contemporary radiotherapy: present and future. Lancet 398(10295):171–184
Chatzipapas KP, Papadimitroulas P, Emfietzoglou D et al (2020) Ionizing radiation and complex DNA damage: quantifying the radiobiological damage using Monte Carlo simulations. Cancers (Basel) 12(4):799
Detappe A, Kunjachan S, Rottmann J et al (2015) AGuIX nanoparticles as a promising platform for image-guided radiation therapy. Cancer Nanotechnol 6(1):4
Du Y, Sun H, Lux F et al (2020) Radiosensitization effect of AGuIX, a gadolinium-based nanoparticle, in nonsmall Cell Lung Cancer. ACS Appl Mater Interfaces 12(51):56874–56885
Engels E, Bakr S, Bolst D et al (2020) Advances in modelling gold nanoparticle radiosensitization using new Geant4-DNA physics models. Phys Med Biol 65(22):225017
Ferrero V, Visonà G, Dalmasso F et al (2017) Targeted dose enhancement in radiotherapy for breast cancer using gold nanoparticles, part 1: a radiobiological model study. Med Phys 44(5):1983–1992
Garty G, Schulte R, Shchemelinin S et al (2010) A nanodosimetric model of radiation-induced clustered DNA damage yields. Phys Med Biol 55(3):761–781
Incerti S, Kyriakou I, Bernal MA et al (2018) Geant4-DNA example applications for track structure simulations in liquid water: a report from the Geant4-DNA project. Med Phys 45:e722–e739
Kempson I (2021) Mechanisms of nanoparticle radiosensitization. Wiley Interdiscip Rev Nanomed Nanobiotechnol 13(1):e1656
Kirkby C, Koger B, Suchowerska N et al (2017) Dosimetric consequences of gold nanoparticle clustering during photon irradiation. Med Phys 44(12):6560–6569
Lechtman E, Mashouf S, Chattopadhyay N et al (2013) A Monte Carlo-based model of gold nanoparticle radiosensitization accounting for increased radiobiological effectiveness. Phys Med Biol 58(10):3075–3087
Leeuwen CM, Oei AL, Crezee J et al (2018) The alfa and beta of tumours: a review of parameters of the linear-quadratic model, derived from clinical radiotherapy studies. Radiat Oncol 13(1):96
Liu R, Zhao T, Zhao X, Reynoso FJ (2019) Modeling gold nanoparticle radiosensitization using a clustering algorithm to quantitate DNA double-strand breaks with mixed-physics Monte Carlo simulation. Med Phys 46(11):5314–5325
Lux F, Tran VL, Thomas E et al (2019) AGuIX® from bench to bedside-transfer of an ultrasmall theranostic gadolinium-based nanoparticle to clinical medicine. Br J Radiol 92(1093):20180365
McMahon SJ (2018) The linear quadratic model: usage, interpretation and challenges. Phys Med Biol 64(1):01TR01
McMahon SJ, Paganetti H, Prise KM (2016) Optimising element choice for nanoparticle radiosensitisers. Nanoscale 8(1):581–589
Perl J, Shin J, Schumann J, Faddegon B, Paganetti H (2012) TOPAS: an innovative proton Monte Carlo platform for research and clinical applications. Med Phys 39(11):6818–6837
Poludniowski G, Omar A, Bujila R, Andreo P (2021) Technical note: SpekPy v2.0-a software toolkit for modeling X-ray tube spectra. Med Phys 48(7):3630–3637
Rudek B, McNamara A, Ramos-Méndez J et al (2019) Radio-enhancement by gold nanoparticles and their impact on water radiolysis for X-ray, proton and carbon-ion beams. Phys Med Biol 64(17):175005
Scholz M, Kraft G (1993) Calculation of heavy ion inactivation probabilities based on track structure, X Ray sensitivity and target size. Radiat prot dosim 1:29–33
Schuemann J, McNamara AL, Ramos-Méndez J et al (2019) TOPAS-nBio: an extension to the TOPAS Simulation toolkit for cellular and sub-cellular radiobiology. Radiat Res 191(2):125–138
Sung H, Ferlay J, Siegel RL et al (2021) Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin 71(3):209–249
Taupin F, Flaender M, Delorme R et al (2015) Gadolinium nanoparticles and contrast agent as radiation sensitizers. Phys Med Biol 60(11):4449–4464
Verry C, Sancey L, Dufort S et al (2019) Treatment of multiple brain metastases using gadolinium nanoparticles and radiotherapy: NANO-RAD, a phase I study protocol. BMJ Open 9(2):e023591
Verry C, Dufort S, Lemasson B et al (2020) Targeting brain metastases with ultrasmall theranostic nanoparticles, a first-in-human trial from an MRI perspective. Sci Adv 6(29):eaay5279
Wu J, Xie Y, Wang L, Wang Y (2020) Monte Carlo simulations of energy deposition and DNA damage using TOPAS-nBio. Phys Med Biol 65(22):225007
Xu X, Wu J, Dai Z et al (2022) Monte Carlo simulation of physical dose enhancement in core-shell magnetic gold nanoparticles with TOPAS. Front Oncol 12:992358
Yan H, Carlson DJ, Abolfath R, Liu W (2021) Microdosimetric investigation and a novel model of radiosensitization in the presence of metallic nanoparticles. Pharmaceutics 13(12):2191