Targeted Nanomedicines for Cancer Therapy, From Basics to Clinical Trials
Notice bibliographique
Résumé
Traditional systemic chemotherapy involves the wide distribution of drug molecules in the body, causing toxic side effects in the healthy tissues and limiting the therapeutic dose required at the site of drug action. In order to decrease side effects and increase the drug efficacy, recent research on chemotherapy focuses on drug targeting. Targeted therapy can be achieved by several mechanisms including; 1) using an antibody as a drug that is specific to a disease biomarker, 2) using an antibody (or peptide) as a targeting agent conjugated to the drug molecule, 3) delivering the drug molecules to the target tissue in a nano-carrier with or without the targeting agent attached on its surface. The third approach involves the nanomedicines that can be targeted to diseased tissues by both passive (extravasating at diseased sites due to leaky vasculature) and active (specific interaction of the targeting agent with disease biomarker) targeting mechanisms. In this review we will cover the passively targeted nanomedicines prepared using nano drug carriers. Ideally the carrier particle should be in the right size (1-100nm), stable enough to prevent drug leakage during circulation, and safe not to cause any damage to healthy tissues. Competition for all these properties generated many different types of materials to be used as nanodrug delivery systems. After a brief review of most commonly used drug carriers, we discuss the clinical use of the targeted nanomedicines with regard to their pharmacokinetic and pharmacodynamics properties, and how these properties vary from conventional formulations providing free drugs in the circulation after administration.
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 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 | 0,021 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».