MétaCan
Menu
Retour à la cohorte
Enregistrement W2396647400 · doi:10.1021/acs.bioconjchem.5b00619

Synthesis of a Gemcitabine Prodrug for Remote Loading into Liposomes and Improved Therapeutic Effect

2015· article· en· W2396647400 sur OpenAlexafffund
Jonathan P. May, Elijus Undzys, Aniruddha Roy, Shyh‐Dar Li

Notice bibliographique

RevueBioconjugate Chemistry · 2015
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensUniversity of British ColumbiaOntario Institute for Cancer Research
Organismes subventionnairesCanadian Institutes of Health ResearchProstate Cancer Foundation
Mots-clésChemistryProdrugGemcitabineLiposomePharmacologyCombinatorial chemistryChemotherapyBiochemistryInternal medicine

Résumé

récupéré en direct d'OpenAlex

The chemotherapeutic gemcitabine was actively and stably loaded into lipid nanoparticles through the formation of a prodrug. Gemcitabine was chemically modified to increase the lipophilicity and introduce a weak base moiety for remote loading. Several derivatives were synthesized and screened for their potential to be good liposomal drug candidates for remote loading by studying their solubility, stability, cytotoxicity, and loading efficiency. Two morpholino derivatives of GEM (22 and 23) were chosen as the preferred prodrugs for this purpose as they possessed the best loading efficiencies (100% for drug-to-lipid ratio of 0.36 w/w). This is a considerable improvement over a passive loading strategy where typical loading efficiencies are on the order of ∼10-20% for a drug-to-lipid ratio of ∼0.01. Liposomes loaded with these two prodrugs were studied in an s.c. tumor model in vivo and showed improved therapeutic effect over free GEM (∼2-fold) and saline control (8- to 10-fold). This work demonstrates how chemical modification of a known hydrophilic drug can lead to improved loading, stability, and drug delivery in vivo.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,004
Score d'incertitude au seuil0,717

Scores Codex et Gemma par catégorie

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

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 Opus0,014
Tête enseignante GPT0,246
Écart entre enseignants0,232 · 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 tête enseignante, pas un consensus.

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

Citations28
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBioconjugate ChemistryMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207