MétaCan
Menu
Retour à la cohorte
Enregistrement W2616168161 · doi:10.1021/acs.molpharmaceut.7b00177

Controlling Structure and Function of Polymeric Drug Delivery Nanoparticles Using Microfluidics

2017· article· en· W2616168161 sur OpenAlexafffund
Aman Bains, Yimeng Cao, Sundiata Kly, Jeremy E. Wulff, Matthew G. Moffitt

Notice bibliographique

RevueMolecular Pharmaceutics · 2017
Typearticle
Langueen
DomaineEngineering
ThématiqueInnovative Microfluidic and Catalytic Techniques Innovation
Établissements canadiensUniversity of Victoria
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMicrofluidicsDrug deliveryNanotechnologyNanoparticleDrugChemistryDrug carrierFunction (biology)Materials sciencePharmacologyMedicineBiology

Résumé

récupéré en direct d'OpenAlex

We demonstrate control of multiscale structure and drug delivery function for paclitaxel (PAX)-loaded polycaprolactone-block-poly(ethylene oxide) (PCL-b-PEO) polymeric nanoparticles (PNPs) via synthesis and flow-directed shear processing in a two-phase gas-liquid microfluidic reactor. This strategy takes a page from the engineering of commodity plastics, where processing rather than polymer chemistry provides an experimental handle on properties and function. PNPs formed from copolymers with three different PCL block lengths show sizes, morphologies, and loading efficiencies that depend on both the PCL block length and the microfluidic flow rate. By varying flow rate and comparing with a conventional bulk method of PNP preparation, we show that flow-variable shear processing provides control of PNP sizes and morphologies and enables slower PAX release times (up to 2 weeks) compared to bulk-prepared PNPs. Antiproliferative effects against cultured MCF-7 breast cancer cells were greatest for PNPs formed at an intermediate flow rate, corresponding to small and low-polydispersity spheres formed uniquely at this flow condition. Formation and flow-directed nanoscale shear processing in gas-liquid microfluidic reactors provides a manufacturing platform for drug delivery PNPs that could enable more effective and selective nanomedicines through multiscale structural control.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,113
Score d'incertitude au seuil0,641

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,019
Tête enseignante GPT0,273
Écart entre enseignants0,254 · 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

Citations40
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular PharmaceuticsMême sujetInnovative Microfluidic and Catalytic Techniques InnovationTravaux en français237 207