MétaCan
Menu
Retour à la cohorte
Enregistrement W2278304348 · doi:10.1073/pnas.1521265113

Tailoring nanoparticle designs to target cancer based on tumor pathophysiology

2016· article· en· W2278304348 sur OpenAlexafffund
Edward A. Sykes, Qin Dai, Christopher D. Sarsons, Juan Chen, Jonathan V. Rocheleau, David Hwang, Gang Zheng, David T. Cramb, Kristina D. Rinker, Warren C. W. Chan

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2016
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensUniversity Health NetworkPrincess Margaret Cancer CentreUniversity of CalgaryUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchAlberta InnovatesProstate Cancer CanadaNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésNanomedicineNanoparticleNanotechnologyCancerProstate cancerCancer detectionMedicineComputer scienceMaterials scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Nanoparticles can provide significant improvements in the diagnosis and treatment of cancer. How nanoparticle size, shape, and surface chemistry can affect their accumulation, retention, and penetration in tumors remains heavily investigated, because such findings provide guiding principles for engineering optimal nanosystems for tumor targeting. Currently, the experimental focus has been on particle design and not the biological system. Here, we varied tumor volume to determine whether cancer pathophysiology can influence tumor accumulation and penetration of different sized nanoparticles. Monte Carlo simulations were also used to model the process of nanoparticle accumulation. We discovered that changes in pathophysiology associated with tumor volume can selectively change tumor uptake of nanoparticles of varying size. We further determine that nanoparticle retention within tumors depends on the frequency of interaction of particles with the perivascular extracellular matrix for smaller nanoparticles, whereas transport of larger nanomaterials is dominated by Brownian motion. These results reveal that nanoparticles can potentially be personalized according to a patient's disease state to achieve optimal diagnostic and therapeutic outcomes.

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

Étiquettes directes de modèles (non validées)

Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.

BrasCatégoriesDevis d'étudeConfiance
gptaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Expérimental (laboratoire)high
opusaucune catégorie
Domaine: non disponible · Genre: Empirique
Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non
Expérimental (laboratoire)high
modèles en accordL'accord compare des ensembles de catégories et des devis identiques entre les bras.

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)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,000

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,046
Tête enseignante GPT0,296
Écart entre enseignants0,250 · 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

Étiqueté directement par 2 modèles lisant le dossier complet.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations280
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207