MétaCan
Menu
Retour à la cohorte
Enregistrement W3155118987 · doi:10.3390/micromachines2021-09586

Lipid-based nanoparticle production in Micromixers

2021· article· en· W3155118987 sur OpenAlexaff
Vahé Nerguizian, Rodrigo Lopez Salazar

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineEngineering
ThématiqueMicrofluidic and Bio-sensing Technologies
Établissements canadiensMcGill UniversityÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésNanoparticleSolid lipid nanoparticleBiocompatible materialMaterials scienceNanotechnologyMicrochannelBiomedical engineeringEngineering

Résumé

récupéré en direct d'OpenAlex

Lipid-based nanoparticles have demonstrated to be a versatile vehicle for drugs, genetic material, and labels. These particles are often made of biocompatible and biodegradable materials, enabling a safe interaction with biological systems. The importance of this type of delivery vehicle has been shown recently, as the two leading vaccines are based on lipid-nanoparticles encapsulating mRNA. Passive micromixers produce lipid nanoparticles in a reproducible and controllable way. However, micromixers suffered at the beginning of low production rate, and complicated designs which were difficult to produce and prone to clogging. In recent years, the exploration of different mixing strategies based on the use of curvilinear paths to induce centripetal forces and vortex formation at high speeds as well as the increase of the microchannel cross-sectional area while keeping laminar flow regimes has led to designs capable of producing lipid-based nanoparticles on an industrial-scale. However, there are still challenges in the field which include the removal or substitution of the organic solvents that still need to be addressed. In this presentation, we introduce a general overview of lipid nanoparticle or liposome production in micromixers, the principles of mixing using curvilinear paths, the key variables controlling lipid-based nanoparticle physicochemical characteristics and approaches that help to substitute toxic solvent residues.

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: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,010
Tête enseignante GPT0,190
Écart entre enseignants0,180 · 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

Citations0
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMicrofluidic and Bio-sensing TechnologiesTravaux en français237 207