Nanodrug delivery platform for glucocorticoid use in skeletal muscle injury
Notice bibliographique
Résumé
Glucocorticoids are utilized for their anti-inflammatory properties in the skeletal muscle and arthritis. However, the major drawback of use of glucocorticoids is that it leads to senescence and toxicity. Therefore, based on the idea that decreasing particle size allows for increased surface area and bioavailability of the drug, in the present study, we hypothesized that nanodelivery of dexamethasone will offer increased efficacy and decreased toxicity. The dexamethasone-loaded poly(lactic-co-glycolic acid) (PLGA) nanoparticles were prepared using nanoprecipitation method. The morphological characteristics of the nanoparticles were studied under scanning electron microscope. The particle size of nanoparticles was 217.5 ± 19.99 nm with polydispersity index of 0.14 ± 0.07. The nanoparticles encapsulation efficiency was 34.57% ± 1.99% with in vitro drug release profile exhibiting a sustained release pattern over 10 days. We identified improved skeletal muscle myoblast performance with improved closure of the wound along with increased cell viability at 10 nmol/L nano-dexamethasone-PLGA. However, dexamethasone solution (1 μmol/L) was injurious to cells because the migration efficiency was decreased. In addition, the use of dexamethasone nanoparticles decreased lipopolysaccharide-induced lactate dehydrogenase release compared with dexamethasone solution. Taken together, the present study clearly demonstrates that delivery of PLGA-dexamethasone nanoparticles to the skeletal muscle cells is beneficial for treating inflammation and skeletal muscle function.
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 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 | 0,000 | 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 tête enseignante, 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 ».