MétaCan
Menu
Retour à la cohorte
Enregistrement W3038172930 · doi:10.1039/d0tb00772b

Facile design of autogenous stimuli-responsive chitosan/hyaluronic acid nanoparticles for efficient small molecules to protein delivery

2020· article· en· W3038172930 sur OpenAlexafffund
Parinaz Sabourian, Jeff Ji, Victor Lotocki, Alexandre Moquin, Ramez Hanna, Masoud Frounchi, Dušica Maysinger, Ashok Kakkar

Notice bibliographique

RevueJournal of Materials Chemistry B · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensMcGill University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésHyaluronic acidChitosanNanoparticleMaterials scienceSmall moleculeNanotechnologyMoleculeChemical engineeringChemistryOrganic chemistryBiochemistryMedicineEngineeringAnatomy

Résumé

récupéré en direct d'OpenAlex

Easily assembled and biocompatible chitosan/hyaluronic acid nanoparticles with multiple stimuli-responsive ability are ideally suited for efficient delivery of therapeutic agents under specific endogenous triggers. We report a simple and versatile strategy to formulate oxidative stress and pH-responsive chitosan/hyaluronic acid nanocarriers with high encapsulation efficiencies of small drug molecules and nerve growth factor protein. This is achieved through invoking the dual role of a thioketal-based weak organic acid to disperse and functionalize low molecular weight chitosan in one-pot. Thioketal embedded chitosan/hyaluronic acid nanostructures respond to oxidative stress and show controlled release of quercetin, curcumin and NGF. Lowering the pH in the buffer solution led to higher quercetin release from NPs than at physiological pH, and mimicked the nanoparticle behavior in the environment of early to late endosomes. Curcumin and quercetin loaded NPs killed glioblastoma cells with high efficiency, and NGF-loaded nanoparticles retained biological activity of the protein and increased peripheral nerve outgrowth in explanted mouse dorsal root ganglia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,052
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,030
Tête enseignante GPT0,238
Écart entre enseignants0,207 · 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 tête enseignante, pas un consensus.

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

Citations30
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Materials Chemistry BMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207