MétaCan
Menu
Retour à la cohorte
Enregistrement W4231697970 · doi:10.1002/ange.202005309

Molecularly Imprinted Polymer Nanoparticles: An Emerging Versatile Platform for Cancer Therapy

2020· article· en· W4231697970 sur OpenAlexaff
Shuxin Xu, Lisheng Wang, Zhen Liu

Notice bibliographique

RevueAngewandte Chemie · 2020
Typearticle
Langueen
DomaineChemistry
ThématiqueAnalytical chemistry methods development
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesNanjing UniversityMinistry of Science and Technology of the People's Republic of ChinaNational Natural Science Foundation of China
Mots-clésNanotechnologyMolecularly imprinted polymerCancer therapyMaterials scienceImmunogenicityNanomedicineNanoparticleNanomaterialsDrug deliveryCancerChemistryMedicineImmune systemOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Molecularly imprinted polymers (MIPs) are chemically synthesized affinity materials with tailor‐made binding cavities complementary to the template molecules in shape, size, and functionality. Recently, engineering MIP‐based nanomedicines to improve cancer therapy has become a rapidly growing field and future research direction. Because of the unique properties and functions of MIPs, MIP‐based nanoparticles (nanoMIPs) are not only alternatives to current nanomaterials for cancer therapy, but also hold the potential to fill gaps associated with biological ligand‐based nanomedicines, such as immunogenicity, stability, applicability, and economic viability. Here, we survey recent advances in the design and fabrication of nanoMIPs for cancer therapy and highlight their distinct features. In addition, how to use these features to achieve desired performance, including extended circulation, active targeting, controlled drug release and anti‐tumor efficacy, is discussed and summarized. We expect that this minireview will inspire more advanced studies in MIP‐based nanomedicines for cancer therapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,016
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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.

Tête enseignante Opus0,069
Tête enseignante GPT0,324
Écart entre enseignants0,255 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations15
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAngewandte ChemieMême sujetAnalytical chemistry methods developmentTravaux en français237 207