Properties, Engineering and Applications of Lipid-Based Nanoparticle Drug-Delivery Systems: Current Research and Advances
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle