MétaCan
Menu
Retour à la cohorte
Enregistrement W4210632106 · doi:10.3390/pharmaceutics14020297

Layer-by-Layer Cell Encapsulation for Drug Delivery: The History, Technique Basis, and Applications

2022· review· en· W4210632106 sur OpenAlexaff
Wenyan Li, Xuejiao Lei, Hua Feng, Bingyun Li, Jiming Kong, Malcolm Xing

Notice bibliographique

RevuePharmaceutics · 2022
Typereview
Langueen
DomaineMaterials Science
ThématiquePolymer Surface Interaction Studies
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésEncapsulation (networking)Cell encapsulationNanotechnologyDrug deliveryPolyelectrolyteMaterials scienceChemistryCellComputer sciencePolymerBiochemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

The encapsulation of cells with various polyelectrolytes through layer-by-layer (LbL) has become a popular strategy in cellular function engineering. The technique sprang up in 1990s and obtained tremendous advances in multi-functionalized encapsulation of cells in recent years. This review comprehensively summarized the basis and applications in drug delivery by means of LbL cell encapsulation. To begin with, the concept and brief history of LbL and LbL cell encapsulation were introduced. Next, diverse types of materials, including naturally extracted and chemically synthesized, were exhibited, followed by a complicated basis of LbL assembly, such as interactions within multilayers, charge distribution, and films morphology. Furthermore, the review focused on the protective effects against adverse factors, and bioactive payloads incorporation could be realized via LbL cell encapsulation. Additionally, the payload delivery from cell encapsulation system could be adjusted by environment, redox, biological processes, and functional linkers to release payloads in controlled manners. In short, drug delivery via LbL cell encapsulation, which takes advantage of both cell grafts and drug activities, will be of great importance in basic research of cell science and biotherapy for various diseases.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
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 Opus0,151
Tête enseignante GPT0,395
Écart entre enseignants0,245 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations51
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePharmaceuticsMême sujetPolymer Surface Interaction StudiesTravaux en français237 207