MétaCan
Menu
Retour à la cohorte
Enregistrement W2005569083 · doi:10.1515/ejnm-2012-0010

Limitations and niches of the active targeting approach for nanoparticle drug delivery

2012· article· en· W2005569083 sur OpenAlexafffund
Weihsu Claire Chen, Andrew X. Zhang, Shyh‐Dar Li

Notice bibliographique

RevueEuropean Journal of Nanomedicine · 2012
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensUniversity of TorontoOntario Institute for Cancer Research
Organismes subventionnairesCanadian Institutes of Health ResearchMinistero dello Sviluppo EconomicoNational Cancer InstituteProstate Cancer FoundationOntario Institute for Cancer ResearchOntario Centres of ExcellenceOntario Ministry of Economic Development and Innovation
Mots-clésInternalizationBiodistributionTargeted drug deliveryDrug deliveryDrugNanoparticleNanomedicineBlood circulationChemistryNanotechnologyLigand (biochemistry)Cancer researchBiophysicsPharmacologyMedicineBiologyIn vitroMaterials scienceBiochemistryReceptor

Résumé

récupéré en direct d'OpenAlex

Abstract The active targeting approach has been widely employed to improve nanoparticle drug delivery. Contrary to popular conceptions, attachment of a targeting ligand to a nanopaticle does not alter its biodistribution, but only increases its internalization by target cells. Despite its potential, this strategy has drawbacks that can negate efficacy against tumors. Specifically, compared to non-targeted nanoparticles, a number of active targeting nanoparticles have decreased blood circulation time due to non-specific binding or immunogenicity, reduced tumor penetration, and high susceptibility to lysosomal degradation after internalization. In order to maximize the advantages and overcome the disadvantages, the active targeting approach is best suited for delivering membrane impermeable drugs to targets directly exposed to i.v. injected nanoparticles, such as those in circulation or in the luminal site of tumor vasculatures.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,254

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,039
Tête enseignante GPT0,232
Écart entre enseignants0,194 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations64
Publié2012
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEuropean Journal of NanomedicineMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207