MétaCan
Menu
Retour à la cohorte
Enregistrement W2885319866 · doi:10.1021/acsomega.8b01071

Multifunctional Carbon-Based Nanomaterials: Applications in Biomolecular Imaging and Therapy

2018· article· en· W2885319866 sur OpenAlex

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueACS Omega · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueGraphene and Nanomaterials Applications
Établissements canadiensInstitut National de la Recherche Scientifique
Organismes subventionnairesTianjin Municipal Bureau of Public Health
Mots-clésNanotechnologyCarbon nanotubeCancer therapyNanomaterialsMaterials scienceMedical imagingGrapheneDrug deliveryCarbon fibersFullereneCancerComputer scienceMedicineChemistry

Résumé

récupéré en direct d'OpenAlex

Molecular imaging has been widely used not only as an important detection technology in the field of medical imaging for cancer diagnosis but also as a theranostic approach for cancer in recent years. Multifunctional carbon-based nanomaterials (MCBNs), characterized by unparalleled optical, electronic, and thermal properties, have attracted increasing interest and demonstrably hold the greatest promise in biomolecular imaging and therapy. As such, it should come as no surprise that MCBNs have already revealed a great deal of potential applications in biomedical areas, such as bioimaging, drug delivery, and tumor therapy. Carbon nanomaterials can be categorized as graphene, single-walled carbon nanotubes, mesoporous carbon, nanodiamonds, fullerenes, or carbon dots on the basis of their morphologies. In this article, reports of the use of MCBNs in various chemical conjugation/functionalization strategies, focusing on their applications in cancer molecular imaging and imaging-guided therapy, will be comprehensively summarized. MCBNs show the possibility to serve as optimal candidates for precise cancer biotheranostics.

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 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 enseignants0,054
Score d'incertitude au seuil0,428

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 Opus0,008
Tête enseignante GPT0,221
Écart entre enseignants0,213 · 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