MétaCan
Menu
Retour à la cohorte
Enregistrement W3090835589 · doi:10.1039/d0na00758g

CTL–doxorubicin (DOX)–gold complex nanoparticles (DOX–AuGCs): from synthesis to enhancement of therapeutic effect on liver cancer model

2020· article· en· W3090835589 sur OpenAlexaff
Qiqian Liu, Hui Liu, Pasquale Sacco, Nadia Djaker, Marc Lamy de la Chapelle, Eleonora Marsich, Xiaowu Li, Jolanda Spadavecchia

Dossier post-publication

NatureRetraction
MotifConcerns/Issues about Data;Duplication of/in Image;Falsification/Fabrication of Data;Falsification/Fabrication of Image;Investigation by Company/Institution;Objections by Author(s);Unreliable Data;Upgrade/Update of Prior Notice(s);
Date9/29/2025 0:00
Signalé par OpenAlex ?Oui

Source : Retraction Watch, jointe par DOI. OpenAlex consigne la rétractation dans is_retracted, un booléen sur un espace d'états à au moins quatre valeurs ; il ne peut donc exprimer ni une expression de préoccupation, ni une correction, ni un rétablissement, et les rapporte comme false, ce qui se lit comme « rien à signaler ».

Notice bibliographique

RevueNanoscale Advances · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticle-Based Drug Delivery
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDoxorubicinCTL*Cancer researchColloidal goldLiver cancerNanoparticlePharmacologyChemistryMedicineIn vitroChemotherapyNanotechnologyMaterials scienceCytotoxic T cellInternal medicineBiochemistryHepatocellular carcinoma

Résumé

récupéré en direct d'OpenAlex

In this work, we bring back a rapid way to conceive doxorubicin (DOX) hybrid gold nanoparticles, in which DOX and Au(iii) ions were complexed with a hydrochloride-lactose-modified chitosan, named CTL and dicarboxylic acid-terminated polyethylene-glycol (PEG), leading to hybrid polymer-sugar-metal nanoparticles (DOX-AuGSs). All formulations were assessed by spectroscopic techniques (Raman and UV-Vis) and transmission electron microscopy (TEM). To estimate the therapeutic effect of DOX-AuGSs in liver cancer, murine HepG2 cells were used to induce a hepatic carcinoma model in nude mice. The survival time of the tumor-bearing mice, body weight and tumor volume were measured and recorded. The cytokines were used to detect the serum inflammatory factors, and the blood cell analyzer was used to determine the blood cell content of different groups of nude mice. The outcomes demonstrate that DOX-AuGCs significantly suppressed the tumor growth derived from human HepG2 injection and reduce the tumor index without affecting the body weight of mice. Moreover, DOX-AuGCs significantly reduced the serum levels of cytokines IL-6, TNF-α and IL-12 P70. Finally, a histological analysis of the heart tissue sections indicated that DOX-AuGCs significantly reduce the chronic myocardial toxicity of DOX during the period of treatment.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,032
Tête enseignante GPT0,281
Écart entre enseignants0,249 · 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'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

Citations9
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanoscale AdvancesMême sujetNanoparticle-Based Drug DeliveryTravaux en français237 207