MétaCan
Menu
Retour à la cohorte
Enregistrement W2901495975 · doi:10.2217/nnm-2018-0383

How Nanomedicine Can Be Used in the Treatment of Tumors: an Interview With Dr Gang Zheng

2018· article· en· W2901495975 sur OpenAlexaffabout
Gang Zheng, Marta Overchuk

Notice bibliographique

RevueNanomedicine · 2018
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensPrincess Margaret Cancer CentreUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNanomedicineBioconjugationCancer therapyCancer imagingMedicineLibrary scienceCancerNanotechnologyMedical educationMedical physicsInternal medicineComputer scienceNanoparticleMaterials science

Résumé

récupéré en direct d'OpenAlex

Dr Zheng received his PhD in 1999 from SUNY Buffalo in Medicinal Chemistry. Following 2 years of postdoctoral training in photodynamic therapy at the Roswell Park Cancer Institute, he joined the University of Pennsylvania in 2001 as an Assistant Professor of Radiology, where he established the molecular imaging chemistry program and introduced photodynamic molecular beacons and lipoprotein-like nanoparticles. Since moving to Canada in 2006, his research has been focused on developing clinically translatable technology platforms to combat cancer. His lab discovered porphysome nanotechnology that opened a new frontier in cancer imaging and therapy (Nature Materials 2011), which was named one of the 'top 10 cancer breakthroughs of 2011' by the Canadian Cancer Society. Dr Zheng is an Associate Editor for Bioconjugate Chemistry and a Fellow of the American Institute for Medical and Biological Engineering.

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 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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,497
Score d'incertitude au seuil0,631

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
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 Opus0,030
Tête enseignante GPT0,249
Écart entre enseignants0,219 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNanomedicineMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207