Phosphorus-containing nanoparticles: biomedical patents review
Notice bibliographique
Résumé
INTRODUCTION: The beginning of the nano-era started with the appearance of artificial nanosized supramolecular systems called nanomaterials and nanoparticles (NPs). AREAS COVERED: In the present review, we have analyzed the patents on phosphorus-based nanomaterials (fullerenes, quantum dots [QDs], graphene, liposomes, dendrimers, gold and silver NPs) in biology and medicine. Their impact in treatment of cancer, viral infections and cardiovascular diseases is discussed. EXPERT OPINION: Liposomes and dendrimers had the highest number of biomedical patents. The third candidates were QDs and the fourth and fifth were gold and silver NPs. Fullerenes and carbon nanotubes have the fewest applications in biology and medicine. Thus, our first conclusion was about the 'unifying nanotoxicology paradigm', that 'soft' NPs are significantly more biocompatible than 'hard' NPs. There has been a trend of these nanomaterials being applied in medicine drug and gene delivery, visualization of cells and pathologic processes, using them as antivirals and antimicrobials, contrast agents, antioxidants and photosensitizers. It was unexpected that no patents were found in which phosphorus NPs were used in 3D printing of bones and other biological tissues. The conclusion reached is that nanomaterials are promising tools in future medical applications.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,003 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,009 | 0,004 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».