Seeing, Targeting and Delivering with Upconverting Nanoparticles
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
Efficient control over drug release is critical to increasing drug efficacy and avoiding side effects. An ideal drug delivery system would deliver drugs in the right amount, at the right location and at the right time noninvasively. This can be achieved using light-triggered delivery: light is noninvasive, spatially precise and safe if appropriate wavelengths are chosen. However, the use of light-controlled delivery systems has been limited to areas that are not too deep inside the body because ultraviolet (UV) or visible (Vis) light, the typical wavelengths used for photoreactions, have limited penetration and are toxic to biological tissues. The advent of upconverting nanoparticles (UCNPs) has made it possible to overcome this crucial challenge. UCNPs can convert near-infrared (NIR) radiation, which can penetrate deeper inside the body, to shorter wavelength NIR, Vis and UV radiation. UCNPs have been used as bright, in situ sources of light for on-demand drug release and bioimaging applications. These remote-controlled, NIR-triggered drug delivery systems are especially attractive in applications where a drug is required at a specific location and time such as in anesthetics, postwound healing, cardiothoracic surgery and cancer treatment. In this Perspective, we discuss recent progress and challenges as well as propose potential solutions and future directions, especially with regard to their translation to the clinic.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 | 0,001 |
| 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