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 machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,010 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».