Three-dimensional (3D) liver cell models - a tool for bridging the gap between animal studies and clinical trials when screening liver accumulation and toxicity of nanobiomaterials
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
Despite the exciting properties and wide-reaching applications of nanobiomaterials (NBMs) in human health and medicine, their translation from bench to bedside is slow, with a predominant issue being liver accumulation and toxicity following systemic administration. In vitro 2D cell-based assays and in vivo testing are the most popular and widely used methods for assessing liver toxicity at pre-clinical stages; however, these fall short in predicting toxicity for NBMs. Focusing on in vitro and in vivo assessment, the accurate prediction of human-specific hepatotoxicity is still a significant challenge to researchers. This review describes the relationship between NBMs and the liver, and the methods for assessing toxicity, focusing on the limitations they bring in the assessment of NBM hepatotoxicity as one of the reasons defining the poor translation for NBMs. We will then present some of the most recent advances towards the development of more biologically relevant in vitro liver methods based on tissue-mimetic 3D cell models and how these could facilitate the translation of NBMs going forward. Finally, we also discuss the low public acceptance and limited uptake of tissue-mimetic 3D models in pre-clinical assessment, despite the demonstrated technical and ethical advantages associated with them. 3D culture models for use as in vitro alternatives to traditional methods and conventional in vivo animal testing for testing liver accumulation and toxicity of nanobiomaterials.
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 | 0,025 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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