MétaCan
Menu
Retour à la cohorte
Enregistrement W3017234934 · doi:10.1002/wnan.1628

Image‐guided mathematical modeling for pharmacological evaluation of nanomaterials and monoclonal antibodies

2020· review· en· W3017234934 sur OpenAlexaff
Prashant Dogra, Joseph D. Butner, Sara Nizzero, Javier Ruiz-Ramírez, Achraf Noureddine, María J. Peláez, Dalia Elganainy, Zhen Yang, Anh‐Dung Le, Shreya Goel, Hon S. Leong, Eugene J. Koay, C. Jeffrey Brinker, Vittorio Cristini, Zhihui Wang

Notice bibliographique

RevueWiley Interdisciplinary Reviews Nanomedicine and Nanobiotechnology · 2020
Typereview
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensSunnybrook HospitalUniversity of TorontoSunnybrook Health Science Centre
Organismes subventionnairesNational Cancer InstituteNational Institutes of HealthNational Science Foundation
Mots-clésNanomedicineDrug deliveryMonoclonal antibodyPharmacokineticsKineticsComputational biologyModalitiesPharmacologyNanotechnologyMedicineBiologyNanoparticleAntibodyMaterials scienceImmunology

Résumé

récupéré en direct d'OpenAlex

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.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Synthèse · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,109
Tête enseignante GPT0,407
Écart entre enseignants0,298 · 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'étudeSimulation ou modélisation
Domainenon disponible
GenreSynthèse

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

En bref

Citations29
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueWiley Interdisciplinary Reviews Nanomedicine and NanobiotechnologyMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207