Graphene and graphene oxide with anticancer applications: Challenges and future perspectives
Notice bibliographique
Résumé
Graphene-based materials have shown immense pertinence for sensing/imaging, gene/drug delivery, cancer therapy/diagnosis, and tissue engineering/regenerative medicine. Indeed, the large surface area, ease of functionalization, high drug loading capacity, and reactive oxygen species induction potentials have rendered graphene- (G-) and graphene oxide (GO)-based (nano)structures promising candidates for cancer therapy applications. Various techniques namely liquid-phase exfoliation, Hummer's method, chemical vapor deposition, chemically reduced GO, mechanical cleavage of graphite, arc discharge of graphite, and thermal fusion have been deployed for the production of G-based materials. Additionally, important criteria such as biocompatibility, bio-toxicity, dispersibility, immunological compatibility, and inflammatory reactions of G-based structures need to be systematically assessed for additional clinical and biomedical appliances. Furthermore, surface properties (e.g., lateral dimension, charge, corona influence, surface structure, and oxygen content), concentration, detection strategies, and cell types are vital for anticancer activities of these structures. Notably, the efficient accumulation of anticancer drugs in tumor targets/tissues, controlled cellular uptake properties, tumor-targeted drug release behavior, and selective toxicity toward the cells are crucial criteria that need to be met for developing future anticancer G-based nanosystems. Herein, important challenges and future perspectives of cancer therapy using G- and GO-based nanosystems have been highlighted, and the recent advancements are deliberated.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
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 ».