MétaCan
Menu
Retour à la cohorte
Enregistrement W1500155468 · doi:10.1111/cbdd.12008

Cell‐penetrating Peptides as a Novel Transdermal Drug Delivery System

2012· review· en· W1500155468 sur OpenAlexaff
Saman Ahmad Nasrollahi, Changiz Taghibiglou, Ebrahim Azizi, Effat Sadat Farboud

Notice bibliographique

RevueChemical Biology & Drug Design · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésTransdermalDrug deliveryCell-penetrating peptideChemistryDrugPharmacologyPeptideNanotechnologyBiochemistryMedicineMaterials science

Résumé

récupéré en direct d'OpenAlex

In the last decade, almost one-third of the newly discovered drugs approved by the US FDA were biomolecules and biologics. Effective delivery of therapeutic biomolecules to their target is a challenging issue. Innovations in drug delivery systems have improved the efficiency of many of new biopharmaceuticals. Designing of novel transdermal delivery systems has been one of the most important pharmaceutical innovations, which offers a number of advantages. The cell-penetrating peptides have been increasingly used to mediate delivery of bimolecular cargoes such as small molecules, small interfering RNA nucleotides, drug-loaded nanoparticles, proteins, and peptides, both in vitro and in vivo, without using any receptors and without causing any significant membrane damage. Among several different drug delivery routes, application of cell-penetrating peptides in the topical and transdermal delivery systems has recently garnered tremendous attention in both cosmeceutical and pharmaceutical research and industries. In this review, we discuss history of cell-penetrating peptides, cell-penetrating peptide/cargo complex formation, and their mechanisms of cell and skin transduction.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,040
Tête enseignante GPT0,282
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations152
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemical Biology & Drug DesignMême sujetRNA Interference and Gene DeliveryTravaux en français237 207