Evaluation of direct and indirect DNA Damage under the Photon Irradiation in the Presence of Gold, Gadolinium, and Silver Nanoparticles Using Geant۴-DNA
محل انتشار: فصلنامه فیزیک و مهندسی پرتو، دوره: 5، شماره: 2
سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 35
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_RPE-5-2_004
تاریخ نمایه سازی: 30 فروردین 1403
چکیده مقاله:
Radiation therapy aims to maximize doses to cancer cells while minimizing damage to normal tissues. Today, nanoparticles containing high-atomic-number elements, such as gold, gadolinium, and silver, have proven effective as radiosensitizers in radiotherapy to enhance dose delivery for cancer treatment. In this study, we used the Geant۴-DNA toolkit to investigate the effects of multiple nanoparticles (NPs) with varying sizes (radius= ۳.۱۵ to ۵ nm) on DNA damage when exposed to monoenergetic photons with energies of ۱۵, ۴۰, ۵۰, and ۶۸ keV. Direct and indirect single-strand breaks (SSBs), double-strand breaks (DSBs), and hybrid double-strand breaks (Hybrid DSBs) were calculated in the presence and absence of ۱ to ۴ nanoparticles (NPs) of the same total volume of gold, gadolinium, and silver nanoparticles for the ۱ZBB model (selected from the Protein Data Bank (PDB) library). The results show that increasing the number of gold, gadolinium, and silver NPs and decreasing the photon beam energy increases the total number of strand breaks. Furthermore, gold nanoparticles (GNPs) are more effective options than gadolinium nanoparticles (GdNPs), and silver nanoparticles (SNPs) for inhibiting and controlling cancer cells.
کلیدواژه ها:
نویسندگان
Ali Azizi Ganjgah
Department of Physics, Faculty of Science, University of Guilan, Postal Code ۴۱۹۳۸۳۳۶۹۷, Rasht, Iran
Payvand Taherparvar
Department of Physics, Faculty of Science, University of Guilan, Postal Code ۴۱۹۳۸۳۳۶۹۷, Rasht, 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 :
