MétaCan
Menu
Retour à la cohorte
Enregistrement W2758440842 · doi:10.3791/56159

Sample Extraction and Simultaneous Chromatographic Quantitation of Doxorubicin and Mitomycin C Following Drug Combination Delivery in Nanoparticles to Tumor-bearing Mice

2017· article· en· W2758440842 sur OpenAlexafffund
Ruixue Zhang, Tian Zhang, King Chen, Ji Cheng, Ka Sing Paris Lai, Andrew M. Rauth, K. Sandy Pang, Xiao Yu Wu

Notice bibliographique

RevueJournal of Visualized Experiments · 2017
Typearticle
Langueen
DomaineMedicine
ThématiqueDrug Transport and Resistance Mechanisms
Établissements canadiensUniversity Health NetworkUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchUniversity of Toronto
Mots-clésDoxorubicinPharmacokineticsPharmacologyNanocarriersBioavailabilityDrugDrug deliveryChemistryIn vivoMetaboliteMedicineChemotherapyBiologyBiochemistrySurgery

Résumé

récupéré en direct d'OpenAlex

Combination chemotherapy is frequently used in the clinic for cancer treatment; however, associated adverse effects to normal tissue may limit its therapeutic benefit. Nanoparticle-based drug combination has been shown to mitigate the problems encountered by free drug combination therapy. Our previous studies have shown that the combination of two anticancer drugs, doxorubicin (DOX) and mitomycin C (MMC), produced a synergistic effect against both murine and human breast cancer cells in vitro. DOX and MMC co-loaded polymer-lipid hybrid nanoparticles (DMPLN) bypassed various efflux transporter pumps that confer multidrug resistance and demonstrated enhanced efficacy in breast tumor models. Compared to conventional solution forms, such superior efficacy of DMPLN was attributed to the synchronized pharmacokinetics of DOX and MMC and increased intracellular drug bioavailability within tumor cells enabled by the nanocarrier PLN. To evaluate the pharmacokinetics and bio-distribution of co-administered DOX and MMC in both free solution and nanoparticle forms, a simple and efficient multi-drug analysis method using reverse-phase high performance liquid chromatography (HPLC) was developed. In contrast to previously reported methods that analyzed DOX or MMC individually in the plasma, this new HPLC method is able to simultaneously quantitate DOX, MMC and a major cardio-toxic DOX metabolite, doxorubicinol (DOXol), in various biological matrices (e.g., whole blood, breast tumor, and heart). A dual fluorescent and ultraviolet absorbent probe 4-methylumbelliferone (4-MU) was used as an internal standard (I.S.) for one-step detection of multiple drug analysis with different detection wavelengths. This method was successfully applied to determine the concentrations of DOX and MMC delivered by both nanoparticle and solution approaches in whole blood and various tissues in an orthotopic breast tumor murine model. The analytical method presented is a useful tool for pre-clinical analysis of nanoparticle-based delivery of drug combinations.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,022
Tête enseignante GPT0,393
Écart entre enseignants0,371 · 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'étudeObservationnel
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

Citations8
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetDrug Transport and Resistance MechanismsTravaux en français237 207