MétaCan
Menu
Retour à la cohorte
Enregistrement W3106175324 · doi:10.5267/j.ccl.2020.9.002

Silver and gold nanoparticles as an integral part of nanooncology: current state of the problem

2020· article· en· W3106175324 sur OpenAlexvenueno aff
М. А. Осадчук, Natalia Kireeva, N.P. Korzhenkov, M.V. Trushi

Notice bibliographique

RevueCurrent Chemistry Letters · 2020
Typearticle
Langueen
DomaineMaterials Science
ThématiqueNanoparticles: synthesis and applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésColloidal goldChemistryNanotechnologyNanoparticlePhotothermal therapyDrug deliveryCombinatorial chemistryMaterials science

Résumé

récupéré en direct d'OpenAlex

Gold and silver nanoparticles are easily synthesized and the most effective nanostructures in clinical practice. Their optical properties, ease of synthesis, colloidal stability and the ability to form any surface for easier conjugation with biological particles, the ability to individual multiple use, make them especially important in oncology. Gold and silver nanoparticles are capable of providing targeted drug delivery, which depends on the photothermal, photodynamic, and antiangiogenic properties of the metal. Due to their exceptional properties, these nanoparticles are considered as a potential tool for the diagnosis of various types of cancer and drug delivery. The non-toxic and non-immunogenic nature of gold and silver nanoparticles, as well as their high permeability and retention effect, provide additional advantages, allowing drugs to easily penetrate and accumulate at tumor sites. The effectiveness of precious metal nanoparticles as radiosensitizers, dose enhancers and contrast agents is gaining increasing recognition. An important problem associated with the use of biogenic metal nanoparticles is the study of their genotoxicity, since they play an important role in the initiation and progression of abnormalities, including genetic ones.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,012
Score d'incertitude au seuil0,376

Scores Codex et Gemma par catégorie

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 Opus0,025
Tête enseignante GPT0,264
Écart entre enseignants0,239 · 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.

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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Chemistry LettersMême sujetNanoparticles: synthesis and applicationsTravaux en français237 207