<i>In Vitro</i> Dissolution, Cellular Membrane Permeability, and Anti-Inflammatory Response of Resveratrol-Encapsulated Mesoporous Silica Nanoparticles
Notice bibliographique
Résumé
Sizing drugs down to the submicron and nanometer scale using nanoparticles has been extensively used in pharmaceutical industries to overcome the poor aqueous solubility of potential therapeutic agents. Here, we report the encapsulation and release of resveratrol, a promising anti-inflammatory and anticancer nutraceutical, from the mesopores of MCM-48-type silica nanospheres of various particle sizes, i.e., 90, 150, and 300 nm. Furthermore, the influence of the carrier pore size on drug solubility was also evaluated (3.5 vs 7 nm). From our results, it is observed that the saturated solubility could depend not only on the pore size but also on the particle size of the nanocarriers. Moreover, with our resveratrol-mesoporous silica nanoparticles formulation, we have observed that the permeability of resveratrol encapsulated in MCM-48 nanoparticles (90 nm) can be enhanced compared to a resveratrol suspension when tested through the human colon carcinoma cell monolayer (Caco-2). Using an in vitro NF-κB assay, we showed that resveratrol encapsulation did not alter its bioactivity and, at lower concentration, i.e., 5 μg mL –1, resveratrol encapsulation provided higher anti-inflammatory activity compared to both resveratrol suspension and solution. All combined, the reported results clearly highlight the potential of small size mesoporous silica nanoparticles as next generation nanocarriers for hydrophobic drugs and nutraceuticals.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,000 | 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».