Recent Advances in Asialoglycoprotein Receptor and Glycyrrhetinic Acid Receptor-Mediated and/or pH-Responsive Hepatocellular Carcinoma- Targeted Drug Delivery
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
BACKGROUND: Hepatocellular carcinoma (HCC) seriously affects human health, especially, it easily develops multi-drug resistance (MDR) which results in treatment failure. There is an urgent need to develop highly effective and low-toxicity therapeutic agents to treat HCC and to overcome its MDR. Targeted drug delivery systems (DDS) for cancer therapy, including nanoparticles, lipids, micelles and liposomes, have been studied for decades. Recently, more attention has been paid to multifunctional DDS containing various ligands such as polymer moieties, targeting moieties, and acid-labile linkages. The polymer moieties such as poly(ethylene glycol) (PEG), chitosan (CTS), hyaluronic acid, pullulan, poly(ethylene oxide) (PEO), poly(propylene oxide) (PPO) protect DDS from degradation. Asialoglycoprotein receptor (ASGPR) and glycyrrhetinic acid receptor (GAR) are most often used as the targeting moieties, which are overexpressed on hepatocytes. Acid-labile linkage, catering for the pH difference between tumor cells and normal tissue, has been utilized to release drugs at tumor tissue. OBJECTIVES: This review provides a summary of the recent progress in ASGPR and GAR-mediated and/or pH-responsive HCC-targeted drug delivery. CONCLUSION: The multifunctional DDS may prolong systemic circulation, continuously release drugs, increase the accumulation of drugs at the targeted site, enhance the anticancer effect, and reduce side effects both in vitro and in vivo. But it is rarely used to investigate MDR of HCC; therefore, it needs to be further studied before going into clinical trials.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,007 |
| 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 découle