MétaCan
Menu
Retour à la cohorte
Enregistrement W2171174508 · doi:10.2174/138920111796117409

Self-Assembling Peptides: Potential Role in Tumor Targeting

2011· review· en· W2171174508 sur OpenAlexaff
Parisa Sadatmousavi, M. Soltani, Reyhaneh Nazarian, Mousa Jafari, P. Chen

Notice bibliographique

RevueCurrent Pharmaceutical Biotechnology · 2011
Typereview
Langueen
DomaineMaterials Science
ThématiqueSupramolecular Self-Assembly in Materials
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésNanocarriersPeptideDrug deliveryChemistryTargeted drug deliveryPeptide libraryNanotechnologyCombinatorial chemistryBiochemistryPeptide sequenceMaterials science

Résumé

récupéré en direct d'OpenAlex

This review focuses on the application of two classes of peptides, i.e., self-assembling peptides (SAPs) and cell-targeting peptides (CTPs), in the development of nanocarrier delivery systems. Self-assembling peptides are emerging in a wide range of biomedical and bioengineering applications and fall into several classes, including peptide amphiphilies, bolaamphiphile peptides, cyclic peptides, and ionic complementary peptides, which can be found naturally or synthesized. The advantage of synthesizing peptides is that their self-assembling properties can be exploited to form desirable structures for various applications. Another, unique property of self-assembling peptides, is stimuli-responsibility in different environments including various pHs, temperatures, ionic strengths, etc. These characteristics make peptides applicable in a wide range of biomaterials in drug discovery. This study reviews the design principles of well-known selfassembling peptides, as well as their physical/chemical properties. In addition, it discusses the therapeutic cancer-targeting peptides and current combinatorial peptide library methods used to identify targeting peptides. Cancer-targeting peptides can target either tumor cell surfaces or tumor vasculature. The RGD peptide is one of the first tumor-targeting peptides that can bind to self-assembling peptides or any other nanocarrier to improve the therapeutic efficiency of targeting drug delivery systems. Keywords: Cell-targeting peptide, combinatorial peptide library, ionic-complementary, phage-display, self-assembling peptide, stimuli-responsive, tumor targeting, vasculature, therapeutic cancer-targeting peptides, therapeutic efficiency, drug delivery systems, nanocarrier delivery systems, metastases, nanotechnology, bolaamphiphile peptides

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,056
Tête enseignante GPT0,371
Écart entre enseignants0,315 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations39
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Pharmaceutical BiotechnologyMême sujetSupramolecular Self-Assembly in MaterialsTravaux en français237 207