Nanotechnology-based drug delivery systems
Notice bibliographique
Résumé
Nanoparticles hold tremendous potential as an effective drug delivery system. In this review we discussed recent developments in nanotechnology for drug delivery. To overcome the problems of gene and drug delivery, nanotechnology has gained interest in recent years. Nanosystems with different compositions and biological properties have been extensively investigated for drug and gene delivery applications. To achieve efficient drug delivery it is important to understand the interactions of nanomaterials with the biological environment, targeting cell-surface receptors, drug release, multiple drug administration, stability of therapeutic agents and molecular mechanisms of cell signalling involved in pathobiology of the disease under consideration. Several anti-cancer drugs including paclitaxel, doxorubicin, 5-fluorouracil and dexamethasone have been successfully formulated using nanomaterials. Quantom dots, chitosan, Polylactic/glycolic acid (PLGA) and PLGA-based nanoparticles have also been used for in vitro RNAi delivery. Brain cancer is one of the most difficult malignancies to detect and treat mainly because of the difficulty in getting imaging and therapeutic agents past the blood-brain barrier and into the brain. Anti-cancer drugs such as loperamide and doxorubicin bound to nanomaterials have been shown to cross the intact blood-brain barrier and released at therapeutic concentrations in the brain. The use of nanomaterials including peptide-based nanotubes to target the vascular endothelial growth factor (VEGF) receptor and cell adhesion molecules like integrins, cadherins and selectins, is a new approach to control disease progression.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| 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) | 0,004 | 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 ».