Steroid-Based Supramolecular Systems and their Biomedical Applications: Biomolecular Recognition and Transportation
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
In this chapter, the biomedical application of steroid-based compounds at “beyond the molecule”—supramolecular level—is reviewed. The renewable and economic natural steroid compounds could be employed as building blocks in the design and construction of steroid-based supramolecular systems. The specific physicochemical features (size, shape, topology, hydrophobicity, chemical modifiability, etc.) and biological properties (biocompatibility, biodegradability, bioaffinity, etc.) could be integrated into functional supramolecular systems by chemical synthesis, modification and intermolecular interactions (such as hydrogen bonding, π-π stacking, van der Waals forces, inclusion interactions, chiral interactions, electrostatic interactions, and so on). The steroid-based (supra)molecules could be employed for molecular recognition and/or be self-assembled into various functional supramolecular assemblies for biomedical applications. The specific physicochemical and biological properties, good biocompatibility, and biological activity endow the steroid-based supramolecular systems good feasibility to be employed in biomolecular recognition/sensing and biomolecular transportation (gene/drug delivery). The examples in this chapter are exemplificative of the transformation of natural steroid-based compounds into functional steroid-based supramolecular systems through molecular and supramolecular engineering technology, moreover, which may inspire the systematic study of natural product-based supramolecular (nano)materials toward future pharmaceutical and biomedical industry.
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) | 0,000 | 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 | 0,001 | 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 découle