Doxorubicin-loaded graphene oxide nanocomposites in cancer medicine: stimuli-responsive carriers, co-delivery and suppressing resistance
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
INTRODUCTION: The application of doxorubicin (DOX) in cancer therapy has been limited due to its drug resistance and poor internalization. Graphene oxide (GO) nanostructures have the capacity for DOX delivery while promoting its cytotoxicity in cancer. AREAS COVERED: The favorable characteristics of GO nanocomposites, preparation method, and application in cancer therapy are described. Then, DOX resistance in cancer, GO-mediated photothermal therapy, and DOX delivery for cancer suppression are described. Preparation of stimuli-responsive GO nanocomposites, surface functionalization, hybrid nanoparticles, and theranostic applications are emphasized in DOX chemotherapy. EXPERT OPINION: GO nanoparticle-based photothermal therapy maximizes the anti-cancer activity of DOX against cancer cells. Besides DOX delivery, GO nanomaterials are capable of loading anti-cancer agents and genetic tools to minimize drug resistance and enhance the cytolytic impact of DOX in cancer eradication. To enhance DOX accumulation, stimuli-responsive (redox-, light-, enzyme- and pH-sensitive) GO nanoparticles have been developed for DOX delivery. Development of targeted delivery of DOX-loaded GO nanomaterials against cancer cells may be achieved by surface modification of polymers such as polyethylene glycol, hyaluronic acid, and chitosan. DOX-loaded GO nanoparticles have demonstrated theranostic potential. Hybridization of GO with other nanocarriers such as silica and gold nanoparticles further broadens their potential anti-cancer therapy applications.
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