Controllable Microfluidic Production of Drug-Loaded PLGA Nanoparticles Using Partially Water-Miscible Mixed Solvent Microdroplets as a Precursor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
We present a versatile continuous microfluidic flow-focusing method for the production of Doxorubicin (DOX) or Tamoxifen (TAM)-loaded poly(D,L-lactic-co-glycolic acid) (PLGA) nanoparticles (NPs). We use a partially water-miscible solvent mixture (dimethyl sulfoxide DMSO+ dichloromethane DCM) as precursor drug/polymer solution for NPs nucleation. We extrude this partially water-miscible solution into an aqueous medium and synthesized uniform PLGA NPs with higher drug loading ability and longer sustained-release ability than conventional microfluidic or batch preparation methods. The size of NPs could be precisely tuned by changing the flow rate ratios, polymer concentration, and volume ratio of DCM to DMSO (VDCM/VDMSO) in the precursor emulsion. We investigated the mechanism of the formation of NPs and the effect of VDCM/VDMSO on drug release kinetics. Our work suggests that this original, rapid, facile, efficient and low-cost method is a promising technology for high throughput NP fabrication. For the two tested drugs, one hydrophilic (Doxorubicin) the other one hydrophobic (Tamoxifen), encapsulation efficiency (EE) as high as 88% and mass loading content (LC) higher than 25% were achieved. This new process could be extended as an efficient and large scale NP production method to benefit to fields like controlled drug release and nanomedicine.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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