Image‐guided mathematical modeling for pharmacological evaluation of nanomaterials and monoclonal antibodies
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
While plasma concentration kinetics has traditionally been the predictor of drug pharmacological effects, it can occasionally fail to represent kinetics at the site of action, particularly for solid tumors. This is especially true in the case of delivery of therapeutic macromolecules (drug-loaded nanomaterials or monoclonal antibodies), which can experience challenges to effective delivery due to particle size-dependent diffusion barriers at the target site. As a result, disparity between therapeutic plasma kinetics and kinetics at the site of action may exist, highlighting the importance of target site concentration kinetics in determining the pharmacodynamic effects of macromolecular therapeutic agents. Assessment of concentration kinetics at the target site has been facilitated by non-invasive in vivo imaging modalities. This allows for visualization and quantification of the whole-body disposition behavior of therapeutics that is essential for a comprehensive understanding of their pharmacokinetics and pharmacodynamics. Quantitative non-invasive imaging can also help guide the development and parameterization of mathematical models for descriptive and predictive purposes. Here, we present a review of the application of state-of-the-art imaging modalities for quantitative pharmacological evaluation of therapeutic nanoparticles and monoclonal antibodies, with a focus on their integration with mathematical models, and identify challenges and opportunities. This article is categorized under: Therapeutic Approaches and Drug Discovery > Nanomedicine for Oncologic Disease Diagnostic Tools > in vivo Nanodiagnostics and Imaging Nanotechnology Approaches to Biology > Nanoscale Systems in Biology.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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