载槲皮素壳多糖纳米粒用于治疗皮肤紫外损伤的研究

来源 :清华大学 | 被引量 : 0次 | 上传用户:shizelinli
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
近几十年来,地球臭氧层的破坏导致人们遭受越多越多的紫外辐射伤害。紫外辐射尤其是来自日光的中波紫外线(UVB)能够引起皮肤光老化、黑色素沉积、光敏性疾病、水肿、炎症甚至皮肤癌。黄酮类化合物槲皮素(Quercetin,Qu)是一种植物天然产物,对紫外辐射损伤具有很好的修护功效。然而,Qu由于其低水溶解性和低透皮吸收能力,严重制约了其在皮肤紫外辐射损伤修护领域中的实际应用。为此,人们进行了一系列的尝试。例如对Qu进行化学修饰,但化学修饰会带来很多不可避免的副作用。再例如人们尝试用一些新材料如脂质体或PLGA-TPGS纳米粒对Qu进行包载,但无论是脂质体还是PLGA-TPGS纳米粒,其表面电荷为负电荷,限制了其生物相容性,并且成本较高,不利于实际应用和推广。基于大量基础文献的调研,本课题确定壳多糖(Chitosan,CS)为Qu的包载材料。CS为葡糖胺通过β-1,4-糖苷键连接起来的同多糖,由自然界中大量存在的几丁质(Chitin)脱去乙酰基而制得,来源广泛。CS具有很高的生物相容性,对机体没有毒性且能够被机体代谢吸收。并且,CS带正电性,能够吸附于带负电性的细胞膜和皮肤角质层表面,具有很强的生物粘附性。因而,常被用做药物递送载体。在本课题研究中,我们发现,如果将Qu包裹进TPP-壳多糖纳米粒(TCs)中,将能够有效地促进Qu的细胞摄取效率和透皮吸收效果,同时,还展现出更好的稳定性和更低的细胞毒性。我们还发现载槲皮素壳多糖纳米粒(QTCs)能够显著增强Qu对紫外激活的NF-κB/COX-2信号通路的抑制效果,从而缓解紫外辐射引起的皮肤水肿和炎症。因此,本课题提供了一种能够克服Qu水不溶的弊端的方法,并且能够提高Qu的透皮吸收效率和延长Qu在皮肤中的滞留时间,进一步增强Qu的紫外损伤修护效果。本课题证明载槲皮素壳多糖纳米粒能够被用作治疗皮肤紫外损伤的外用制剂,并验证了壳多糖纳米载药体系应用于皮肤局部给药的可行性。
其他文献
目的:对我院2016-2018年病原微生物实验室分离的肠杆菌属的临床科室分布、标本类型及药敏变化进行分析,为临床医生选择抗菌素以及送检标本类型提供参考;对我院2016-2018年肠
随着无线通信的发展,使得网络数据、智能终端出现爆炸式增长,不同的异构网络共存在一个网络中,然而由于传统网络技术的僵化,导致网络资源不能按需分配。而无线网络虚拟化技术
随着技术和科技的发展,数据量有了爆炸式的增长,在海量数据中用户无法及时获得自己感兴趣的信息,推荐系统能有效解决这个问题。它根据用户的历史数据,将用户感兴趣的信息推荐给用户。但是传统推荐系统中大部分使用的是离线数据集,它按照一定时间(一般是以天为周期)来对数据进行分析,无法保证推荐系统的实时有效性。现今实时数据流越来越多,这也造成在推荐系统中需要处理的实时数据需求越来越多。同时传统的推荐系统还存在冷
逐次逼近型模数转换器已经广泛地应用于无线通讯,数据采集等系统中。而近年来,逐次逼近型模数转换器因其较为简单的电路架构受益于半导体工艺制程的进步,其在达到相近性能的
软件定义网络(Software-Defined Networking,SDN)作为一种新型网络架构,被认为是未来网络主流发展方向。为提高网络扩展性及可靠性,由多个分布式控制器构成的SDN网络架构得到
压缩感知凭借高效的信息采样机制受到了研究者们的广泛关注,在实践中具备巨大的应用潜力。传统压缩感知将感知能量分散在整个信号区间造成利用效率相对较低,特别是在感知能量
随着移动医疗、智能家居和云计算等多种技术的快速发展,智能终端的迅速普及,传统的MIMO技术无法满足未来移动通信系统中更高速率的需求。作为下一代通信领域的研究热点,大规
目的:探索MNK2(MAPK signal-integrating kinases-2)在胃癌组织中的表达情况及其临床意义。方法:收集2017年在南华大学附属第一医院胃肠外科行手术治疗的16例胃癌患者新鲜肿瘤组织及相对应的癌旁组织标本及收集2010年12月至2013年12月在南华大学附属第一医院肿瘤外科行胃癌根治术的120例患者的石蜡标本纳入本研究组;利用RT-PCR检测16例新鲜胃癌组织及相配对
数据流在生活中无处不在,每时每刻都在快速产生数据流数据,如ATM交易、传感器网络和股票交易等众多应用领域都会产生数据流。数据流可视为随时间变化的连续到达的数据序列,是一种海量的动态数据。不同于普通的数据挖掘技术,数据流挖掘要求一次扫描、快速处理,并且模型要具有动态更新的能力,因此采用一种高效的自适应学习策略是数据流挖掘的重点研究问题。目前的数据流挖掘算法主要面临两大问题:概念漂移与特征漂移。数据流
近年来,随着互联网的飞速发展,各种新型互联网应用相继出现,同时计算能力和应用程序逐渐向云迁移,网络需要处理的流量也日益增加。在这种情况下,如何最大化地利用网络资源是