Targeted Nanostructured Lipid Carrier for Brain Delivery of Artemisinin: Design, Preparation, Characterization, Optimization and Cell Toxicity
Notice bibliographique
Résumé
In the present study, a transferrin-conjugated nanostructured lipid carrier (TF-NLCs) for brain delivery of artemisinin (ART) was developed. ART-loaded NLCs (ART-NLCs) were prepared using solvent evaporation method and the impact of various formulation or process variables on the responses were assessed using a Taguchi design. Optimized ART-NLC was then coupled with transferrin as targeting ligand and its in vitro cytotoxicity was investigated against U-87MG brain cancer cell line. As a result, the following values are suggested by the software to prepare the optimized formulation: 20 mg Compritol®, 0.25% Tween 80, 5 mg oleic acid, 2.5 mL dichloromethane and 4 min sonication. Mean particle size (PS), zeta potential (ZP), polydispersity index (PDI), entrapment efficiency (EE), mean release time (MRT) of adopted formulation were confirmed to be 145 ± 12.5 nm, 24.3 ± 1.5 mV, 0.513 ± 0.021, 82.3 ± 7.3 % and 24.0 ± 1.1 h, respectively. Following conjugation of optimized ART-NLCs with TF, PS and MRT were increased, while ZP, and EE were decreased significantly. TF-ART-NLCs showed higher cytotoxic activity compared to non-targeted NLCs and free drug. These results indicated that the TF-ART-NLCs could potentially be exploited as a delivery system for anticancer and antimalarial drug ART in brain tumors and malaria.
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 | 0,001 | 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) | 0,000 | 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 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 ».