Faculty Opinions recommendation of The dose threshold for nanoparticle tumour delivery.
Notice bibliographique
Résumé
Nanoparticle delivery to solid tumours over the past ten years has stagnated at a median of 0.7% of the injected dose. Varying nanoparticle designs and strategies have yielded only minor improvements. Here we discovered a dose threshold for improving nanoparticle tumour delivery: 1 trillion nanoparticles in mice. Doses above this threshold overwhelmed Kupffer cell uptake rates, nonlinearly decreased liver clearance, prolonged circulation and increased nanoparticle tumour delivery. This enabled up to 12% tumour delivery efficiency and delivery to 93% of cells in tumours, and also improved the therapeutic efficacy of Caelyx/Doxil. This threshold was robust across different nanoparticle types, tumour models and studies across ten years of the literature. Our results have implications for human translation and highlight a simple, but powerful, principle for designing nanoparticle cancer treatments. PMID: 32778816 Funding information This work was supported by: Canadian Cancer Society Research Institute (Société Canadienne du Cancer), Grant ID: 706286 Canada Research Chairs (Chaires de recherche du Canada), Grant ID: 950-223924 Gouvernement du Canada | Natural Sciences and Engineering Research Council of Canada (Conseil de Recherches en Sciences Naturelles et en Génie du Canada), Grant ID: 2015-06397 Gouvernement du Canada | Canadian Institutes of Health Research (Instituts de Recherche en Santé du Canada), Grant ID: PJT-148848
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 | 0,013 | 0,059 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,004 | 0,005 |
| Études des sciences et des technologies | 0,003 | 0,002 |
| Communication savante | 0,010 | 0,006 |
| Science ouverte | 0,003 | 0,004 |
| Intégrité de la recherche | 0,010 | 0,007 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,325 | 0,300 |
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 ».