MétaCan
Menu
Retour à la cohorte
Enregistrement W2076674820 · doi:10.1590/s1984-82502013000700003

Dendritic surface functionalization of nanomaterials: controlling properties and functions for biomedical applications

2013· article· en· W2076674820 sur OpenAlexafffund
Ali Nazemi, Elizabeth R. Gillies

Notice bibliographique

RevueBrazilian Journal of Pharmaceutical Sciences · 2013
Typearticle
Langueen
DomaineMaterials Science
ThématiqueDendrimers and Hyperbranched Polymers
Établissements canadiensWestern University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsGovernment of Ontario
Mots-clésSurface modificationNanomaterialsPolymersomeNanotechnologyDrug deliveryChemistryDendrimerBiodistributionNanoparticleMaterials sciencePolymerCombinatorial chemistryOrganic chemistryCopolymerIn vitroAmphiphile

Résumé

récupéré en direct d'OpenAlex

A wide variety of nanomaterials have demonstrated promise in medical applications such as drug delivery and imaging. In these applications, the surface chemistry of the materials is critical as it plays an important role in determining the toxicity and biodistribution behavior of the material. We review here the functionalization of nanomaterials with dendrons as an efficient method to alter the surface chemistry of the materials, introducing new properties and functions. Described here is the functionalization of superparamagnetic iron oxide nanoparticles (SPIO) with dendritic guanidines to enhance their transport into cells for magnetic resonance imaging applications. The introduction of dendrons bearing peripheral hydroxyls, amines, guanidines, carbohydrates and Gd(III) chelates to polymer vesicles (polymersomes) is also described. These dendritic moieties allow for modulation of toxicity, cell uptake, protein binding, and contrast agent efficiency, while at the same time allowing the stabilities of the polymersomes to be maintained. Thus, this approach holds promise for the development of a wide range of multifunctional materials for pharmaceutical 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 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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,070
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,053
Tête enseignante GPT0,314
Écart entre enseignants0,261 · 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.

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

Citations19
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBrazilian Journal of Pharmaceutical SciencesMême sujetDendrimers and Hyperbranched PolymersTravaux en français237 207