Design and Testing of Efficient Mucus‐Penetrating Nanogels—Pitfalls of Preclinical Testing and Lessons Learned
Notice bibliographique
Résumé
Mucosal surfaces pose a challenging environment for efficient drug delivery. Various delivery strategies such as nanoparticles have been employed so far; yet, still yielding limited success. To address the need of efficient transmucosal drug delivery, this report presents the synthesis of novel disulfide-containing dendritic polyglycerol (dPG)-based nanogels and their preclinical testing. A bifunctional disulfide-containing linker is coupled to dPG to act as a macromolecular crosslinker for poly-N-isopropylacrylamide (PNIPAM) and poly-N-isopropylmethacrylamide (PNIPMAM) in a precipitation polymerization process. A systematic analysis of the polymerization reveals the importance of a careful polymer choice to yield mucus-degradable nanogels with diameters between 100 and 200 nm, low polydispersity, and intact disulfide linkers. Absorption studies in porcine intestinal tissue and human bronchial epithelial models demonstrate that disulfide-containing nanogels are highly efficient in overcoming mucosal barriers. The nanogels efficiently degrade and deliver the anti-inflammatory biomacromolecule etanercept into epithelial tissues yielding local anti-inflammatory effects. Over the course of this work, several problems are encountered due to a limited availability of valid test systems for mucosal drug-delivery systems. Hence, this study also emphasizes how critical a combined and multifaceted approach is for the preclinical testing of mucosal drug-delivery systems, discusses potential pitfalls, and provides suggestions for solutions.
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 | 0,001 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».