MétaCan
Menu
Retour à la cohorte
Enregistrement W3015749612 · doi:10.1007/s12274-020-2736-6

Super-assembled core-shell mesoporous silica-metal-phenolic network nanoparticles for combinatorial photothermal therapy and chemotherapy

2020· article· en· W3015749612 sur OpenAlexaff
Bo Yang, Shan Zhou, Jie Zeng, Liping Zhang, Runhao Zhang, Kang Liang, Lei Xie, Bing Shao, Shaoli Song, Gang Huang, Dongyuan Zhao, Pu Chen, Biao Kong

Notice bibliographique

RevueNano Research · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésPhotothermal therapyBiocompatibilityMesoporous silicaDrug deliveryMaterials scienceNanotechnologyNanoparticleCancer therapyMesoporous materialCoatingChemistryCancerMedicine

Résumé

récupéré en direct d'OpenAlex

Multimodal combinatorial therapy merges different modes of therapies in one platform, which can overcome several clinical challenges such as premature drug loss during blood circulation and significantly improve treatment efficiency. Here we report a combinatorial therapy nanoplatform that enables dual photothermal therapy and pH-stimulus-responsive chemotherapy. By super-assembly of mesoporous silica nanoparticles (MSN) with metal-phenolic networks (MPN), anti-cancer drugs can be loaded in the MSN matrix, while the outer MPN coating allows dual photothermal and pH-responsive properties. Upon near-infrared light irradiation, the MSN@MPN nanoplatform exhibits excellent photothermal effect, and demonstrates outstanding pH-triggered drug release property. In vitro cell experiments suggest the MSN@MPN system exhibits superior biocompatibility and can effectively kill tumor cells after loading anti-cancer drugs. Consequently, the MSN@MPN system shows promising prospects in clinical application for tumor therapy.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,104
Tête enseignante GPT0,316
Écart entre enseignants0,212 · 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 source (Gemma direct ou Codex distillé), 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

Citations89
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNano ResearchMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207