Simultaneous Chromatographic Quantitation of Drug Substance and Excipients in Nanoformulations Using a Combination of Evaporative Light Scattering and Absorbance Detectors
Notice bibliographique
Résumé
Nanomedicines including lipid- and polymer-based nanoparticles and polymer-drug conjugates enable targeted drug delivery for the treatment of numerous diseases. Quantitative analysis of components in nanomedicines is routinely performed to characterize the products to ensure quality and property consistency but has been mainly focused on the active pharmaceutical ingredients (APIs) in academic publications. It has been increasingly recognized that excipients in nanomedicines are critical in determining the product quality, stability, consistency, and safety. APIs are often analyzed by high-performance liquid chromatography (HPLC), and it would be convenient if the same method can be applied to excipients to robustly quantify all components in nanomedicines. Here, we report the development of a HPLC method that combined an evaporative light scattering (ELS) detector with an UV-vis detector to simultaneously analyze drugs and excipients in nanomedicines. This method was tested on diverse nanodrug delivery systems, including a niosomal nanoparticle encapsulating a phytotherapeutic, a liposome encapsulating an immune boosting agent, and a PEGylated peptide. This method can be utilized for a variety of applications, such as monitoring drug loading, studying drug release, and storage stability. The information obtained from the analyses is of importance for nanomedicine formulation development.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».