MétaCan
Menu
Retour à la cohorte
Enregistrement W2086250217 · doi:10.1088/0957-4484/25/35/355101

Immunoadjuvant activity of the nanoparticles’ surface modified with mannan

2014· article· en· W2086250217 sur OpenAlexaff
Azita Haddadi, Samar Hamdy, Zahra Ghotbi, John Samuel, Afsaneh Lavasanifar

Notice bibliographique

RevueNanotechnology · 2014
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensUniversity of AlbertaUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésImmunoadjuvantPLGAImmunogenicityMannanMaterials scienceMannose receptorNanoparticleDendritic cellConjugated systemBiophysicsImmune systemIn vitroNanotechnologyChemistryBiochemistryPolysaccharideBiologyImmunologyPolymer

Résumé

récupéré en direct d'OpenAlex

Mannan (MN) is the natural ligand for mannose receptors, which are widely expressed on dendritic cells (DCs). The purpose of this study was to assess the effect of formulation parameters on the immunogenicity of MN-decorated poly (D, L-lactide-co-glycolide) (PLGA) nanoparticles (NPs) in terms of their ability to stimulate DC phenotypic as well as functional maturation. For this purpose, NPs were formulated from either ester-terminated or COOH-terminated PLGA. Incorporation of MN in NPs was achieved through encapsulation, physical adsorption or chemical conjugation. Murine bone marrow derived DCs (BMDCs) were treated with various NP formulations and assessed for their ability to up-regulate DC cell surface markers, secrete immunostimulatory cytokines and to activate allogenic T cell responses. DCs treated with COOH-terminated PLGA-NPs containing chemically conjugated MN (MN-Cov-COOH) have shown superior performance in improving DC biological functions, compared to the rest of the formulations tested. This may be attributed to the higher level of MN incorporation in the former formulation. Incorporation of MN in PLGA NPs through chemical conjugation can lead to enhanced DC maturation and stimulatory function. This strategy may be used to develop more effective PLGA-based vaccine formulations.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,024
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
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 ouverte0,0010,000
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 Opus0,008
Tête enseignante GPT0,211
Écart entre enseignants0,203 · 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

Citations31
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanotechnologyMême sujetImmunotherapy and Immune ResponsesTravaux en français237 207