Introducing the Molecular Pharmaceutics Special Issue on “Tiny Things, Big Impact: Nanomedicine in Canada”
Notice bibliographique
Résumé
RecommendationsN anomedicine refers to the application of nanotechnology and nanomaterials for medical purposes and as such holds tremendous potential to revolutionize how we diagnose and treat diseases.Its application seems limitless ranging from facilitated and targeted drug delivery, to improved bioavailability of drugs, reduced side effects, protection of labile cargo, or to leveraging distinct optical or structural properties for imaging purposes.Canada's leading position in nanomedicine innovation and translation is evident.A total of 6 out of 12 nanomedicine products approved by the U.S. Food and Drug Administration and/or European Medicine Agency were originally developed in Canada.These include Visudyne (liposomal verteporfin for classic subfoveal choroidal neovascularization) in 2000, Myocet (liposomal doxorubicin for metastatic breast cancer) in 2000, Marqibo (liposomal vincristine for relapsed acute lymphoblastic leukemia) in 2012, Vyxeos (liposomal daunorubicin and cytarabine for acute myeloid leukemia) in 2017, Onpattro (lipid nanoparticle siRNA for polyneuropathy in patients with hereditary transthyretin-mediated amyloidosis) in 2018, and Comirnaty (lipid nanoparticle mRNA vaccine for COVID-19) in 2021.Many Canadian scientists contributed to the invention of key technologies in the field that led to the launch of these products.Dr. Terry Allen at the University of Alberta pioneered work on long-circulating liposomes, and Dr.
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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».