MétaCan
Menu
Retour à la cohorte
Enregistrement W3207848291 · doi:10.18433/jpps32218

A Nanoparticle Delivery of Plasmid Encoding Hepatocyte Growth Factor for Gene Therapy of Silicosis in Mice

2021· article· en· W3207848291 sur OpenAlexvenueno aff
Haiying Duan, Peng Gao, Xiaochen Cheng, Yuxin Lu, Chunsheng Hu, Xuefeng Zhu, Xiaoying Wang, Dujuan Li, Fengjun Xiao, Li Du, Yunmei Liu, Qinglin Zhang

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueLiver physiology and pathology
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésSilicosisTransfectionHepatocyte growth factorHyaluronic acidGene deliveryPEG ratioGenetic enhancementFibrosisHepatocyteMedicineMolecular biologyPharmacologyChemistryPathologyGeneBiologyBiochemistryInternal medicineIn vitroAnatomy

Résumé

récupéré en direct d'OpenAlex

PURPOSE: Silicosis is a serious occupational disease that is characterized by pulmonary infiltrates and fibrosis and is often refractory to current treatments. New therapeutic strategies for silicosis are needed. Hepatocyte growth factor (HGF) is a latent anti-inflammatory and anti-fibrotic growth factor. METHODS: We prepared a polyethyleneimine-polyethylene glycol/pHGF/hyaluronic acid (PEG-PEI/pHGF/HA) nanomaterials loaded with plasmid DNA encoding HGF gene to increase its transfection efficiency. The characterization, including DNA entrapment efficiency, morphology, particle size, and zeta-potential of PEG-PEI/pHGF/HA was studied. And a PEG-PEI/pHGF/HA (N/P=30:1) nanoparticle with low toxicity and high transfection efficiency was used in treatment for silicosis in mice. RESULTS: The results showed that the human HGF expression in the lungs of the mice was increased, and the inflammatory cell infiltration and fibrous collagen deposition was significantly reduced. CONCLUSION: Therefore, PEG-PEI/pHGF/HA nanoparticle warrant further investigation and may be a potential therapeutic strategy for silicosis.

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)0,001
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 enseignants0,102
Score d'incertitude au seuil0,339

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,140
Tête enseignante GPT0,411
Écart entre enseignants0,271 · 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
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical SciencesMême sujetLiver physiology and pathologyTravaux en français237 207