Development of 111In-labeled porphyrins for SPECT imaging
سال انتشار: 1393
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 480
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JNMB-2-2_003
تاریخ نمایه سازی: 12 تیر 1398
چکیده مقاله:
Objectives: The aim of this research was the development of 111In-labeled porphyrins as possible radiopharmaceuticals for the imaging of tumors. Methods: Ligands, 5, 10, 15, 20-tetrakis (3, 5-dihydroxyphenyl) porphyrin) (TDHPP), 5, 10, 15, 20-tetrakis (4-hydroxyphenyl) porphyrin (THPP) and 5, 10, 15, 20-tetrakis (3,4-dimethoxyphenyl) porphyrin) (TDMPP) were labeled with 111InCl3 (produced from proton bombardment of natCd target) in 60 min at 80ºC. Quality control of labeled compounds was performed via RTLC and HPLC followed by stability studies in final formulation and presence of human serum at 37ºC for 48 h as well as partition coefficient determination. The biodistribution studies performed using tissue dissection and SPECT imaging up to 24h. Results: The complexes were prepared with > 99% radiochemical purity (HPLC and RTLC), high stability in 48h. Partition coefficients (calculated as log P) for 111In-TDHPP, 111In-THPP and 111In-TDMPP were 0.88, 0.8 and 1.63 respectively. Conclusion: Due to urinary excretion with fast clearance for 111In-TDMPP, this complex is probably a suitable candidate for considering as a possible tumor imaging agent.
کلیدواژه ها:
نویسندگان
Shaghayegh Sadeghi
Radiation Application School, Nuclear Science and Technology Research Institute (NSTRI), Iran
Mohammad Mirzaei
Radiation Application School, Nuclear Science and Technology Research Institute (NSTRI), Iran
Mohammad Rahimi
Radiation Application School, Nuclear Science and Technology Research Institute (NSTRI), Iran
Amir Jalilian
Nuclear Science and Technology Research Institute (NSTRI), Tehran, Iran,
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :