Computational Modeling of Combination of Magnetic Hyperthermia and Temperature-Sensitive Liposome for Controlled Drug Release in Solid Tumor
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Combination therapy, a treatment modality that combines two or more therapeutic methods, provides a novel pathway for cancer treatment, as it targets the region of interest (ROI) in a characteristically synergistic or additive manner. To date, liposomes are the only nano-drug delivery platforms that have been used in clinical trials. Here, we speculated that it could be promising to improve treatment efficacy and reduce side effects by intravenous administration of thermo-sensitive liposomes loaded with doxorubicin (TSL-Dox) during magnetic hyperthermia (MHT). A multi-scale computational model using the finite element method was developed to simulate both MHT and temperature-sensitive liposome (TSL) delivery to a solid tumor to obtain spatial drug concentration maps and temperature profiles. The results showed that the killing rate of MHT alone was about 15%, which increased to 50% using the suggested combination therapy. The results also revealed that this combination treatment increased the fraction of killed cells (FKCs) inside the tumor compared to conventional chemotherapy by 15% in addition to reducing side effects. Furthermore, the impacts of vessel wall pore size, the time interval between TSL delivery and MHT, and the initial dose of TSLs were also investigated. A considerable reduction in drug accumulation was observed in the tumor by decreasing the vessel wall pore size of the tumor. The results also revealed that the treatment procedure plays an essential role in the therapeutic potential of anti-cancer drugs. The results suggest that the administration of MHT can be beneficial in the TSL delivery system and that it can be employed as a guideline for upcoming preclinical studies.
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.
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 | 0,000 | 0,000 |
| 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 découle