MétaCan
Menu
Retour à la cohorte
Enregistrement W2132939043 · doi:10.18433/j36w3x

Extracellular Vesicles as Natural Nanosized Delivery Systems for Small-Molecule Drugs and Genetic Material: Steps towards the Future Nanomedicines

2015· review· en· W2132939043 sur OpenAlexvenueno aff
Mustafa Kotmakçı, Vildan Bozok Çetintaş

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensnon disponible
Organismes subventionnairesMedizinische Universität WienUniversität WienEge Üniversitesi
Mots-clésExtracellular vesiclesDrug deliveryVesicleLiposomeExtracellular vesicleSmall moleculeDrugBiodistributionNanotechnologyTargeted drug deliveryGene deliveryComputational biologyChemistryPharmacologyBiologyMicrovesiclesCell biologyGenetic enhancementMaterials scienceBiotechnologyGeneBiochemistryIn vivo

Résumé

récupéré en direct d'OpenAlex

A new platform for drug, gene and peptide-protein delivery is emerging, under the common name of "extracellular vesicles". Extracellular vesicles (EVs) are 30-1000 nm-sized cell-derived, liposome-like vesicles. Current research on EVs as nano-delivery systems for small-molecule drugs and genetic material, reveal that these tiny, biologically-derived vesicles carry a great potential to boost the efficacy of many therapeutic protocols. Several features of EVs; from efficacy to safety, from passive to active targeting ability, the opportunity to be biologically or chemically labelled, and most importantly, their eobiotic origin make them promising candidate for development of the next generation personalized nanomedicines. The aim of this article is to provide a view on the current research in which EVs are used as drug/genetic material delivery systems. Their application areas, drug loading and targeting strategies, and biodistribution properties are discussed.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,980
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
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 Opus0,063
Tête enseignante GPT0,383
Écart entre enseignants0,320 · 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'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

Citations52
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical SciencesMême sujetExtracellular vesicles in diseaseTravaux en français237 207