MétaCan
Menu
Retour à la cohorte
Enregistrement W2604184065 · doi:10.1039/c6lc01574c

Multi-chamber microfluidic platform for high-precision skin permeation testing

2017· article· en· W2604184065 sur OpenAlexaff
Massimo Alberti, Yuri Dancik, Gopu Sriram, Bo Wu, Y. L. Teo, Z. Feng, Mei Bigliardi‐Qi, Ruige Wu, Z. P. Wang, Paul Bigliardi

Notice bibliographique

RevueLab on a Chip · 2017
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvancements in Transdermal Drug Delivery
Établissements canadiensSKiN Health
Organismes subventionnairesInstytut Biologii Medycznej Polskiej Akademii NaukUniversity of Cincinnati
Mots-clésPermeationLipophilicityMicrofluidicsMicrofluidic chipSiliconeReproducibilityChemistryPenetration (warfare)Biomedical engineeringMembraneNanotechnologyMaterials scienceChromatographyEngineeringOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The established in vitro tool used for testing the absorption and penetration of chemicals through skin in pharmacology, toxicology and cosmetic science is the static Franz diffusion cell. While widespread, Franz cells are relatively costly, low-throughput and results may suffer from poor reproducibility. Microfluidics has the potential to overcome these drawbacks. In this paper, we present a novel microfluidic skin permeation platform and validate it rigorously against the Franz cell by comparing the transport of 3 model chemicals of varying lipophilicity: caffeine, salicylic acid and testosterone. Permeation experiments through silicone membranes show that the chip yields higher sensitivity in permeant cumulative amounts and comparable or lower coefficients of variation. Using a skin organotypic culture, we show that the chip decreases the effect of unstirred water layers that can occur in static Franz cells. The validation reported herein sets the stage for efficient skin permeation and toxicity screening and further development of microfluidic skin-on-chip devices.

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)0,001
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: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,193
Tête enseignante GPT0,445
Écart entre enseignants0,252 · 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'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

Citations71
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueLab on a ChipMême sujetAdvancements in Transdermal Drug DeliveryTravaux en français237 207