Properties, Engineering and Applications of Lipid-Based Nanoparticle Drug-Delivery Systems: Current Research and Advances
Notice bibliographique
Résumé
Lipid-based drug-delivery systems have evolved from micro- to nano-scale, enhancing the efficacy and therapeutic applications of these delivery systems. Production of lipid-based pharmaceutical nanoparticles is categorized into top-down (fragmentation of particulate material to reduce its average total dimensions) and bottom-up (amalgamation of molecules through chemical interactions creating particles of greater size) production methods. Selection of the appropriate method depends on the physiochemical properties of individual entities within the nanoparticles. The production method also influences the type of nanoparticle formulations being produced. Liposomal formulations and solid-core micelles are the most widely utilized lipid-based nanoparticles, with surface modifications improving their therapeutic outcomes through the production of long-circulating, tissue-targeted and/or pH-sensitive nanoparticles. More recently, solid lipid nanoparticles have been engineered to reduce toxicity toward mammalian cells, while multifunctional lipid-based nanoparticles (i.e., hybrid lipid nanoparticles) have been formulated to simultaneously perform therapeutic and diagnostic functions. This article will discuss novel lipid-based drug-delivery systems, outlining the properties and applications of lipid-based nanoparticles alongside their methods of production. In addition, a comparison between generations of the lipid-based nano-formulations is examined, providing insight into the current directions of lipid-based nanoparticle drug-delivery systems.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».