Production of high loading insulin nanoparticles suitable for oral delivery by spray drying and freeze drying techniques
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
Insulin nanoparticles (NPs) with high loading content have found diverse applications in different dosage forms. This work aimed to evaluate the impact of freeze-drying and spray drying process on the structures of insulin-loaded chitosan nanoparticles, with or without mannitol as cryoprotectants. We also assessed the quality of these nanoparticles by redissolving them. Before dehydration, the chitosan/sodium tripolyphosphate/insulin crosslinked nanoparticles were optimized to 318 nm of particle size, 0.18 of PDI, 99.4% of entrapment efficiency, and 25.01% of loading content. After reconstitution, all nanoparticles, except the one produced by the freeze-drying method without using mannitol, maintained their spherical particle structure. The nanoparticles dehydrated by spray drying without mannitol also showed the smallest mean particle size (376 nm) and highest loading content (25.02%) with similar entrapment efficiency (98.7%) and PDI (0.20) compared to mannitol-containing nanoparticles dehydrated by either spray drying or freeze-drying techniques. The nanoparticles dried by spray drying without mannitol also resulted in the fastest release and highest cellular uptake efficacy of insulin. This work shows that spray drying can dehydrate insulin nanoparticles without the need for cryoprotectants, creating a significant advantage in terms of greater loading capacity with lower additive requirements and operating costs as compared to conventional freeze drying approaches.
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 | 0,004 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 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 découle