Modeling and simulation of smart magnetic self-assembled nanomicelle trajectories in an internal thoracic artery flow for breast cancer therapy
Notice bibliographique
Résumé
Abstract Magnetic drug targeting (MDT) is one of the most modern techniques in cancer therapy for its ability to reduce the side effects of chemotherapy experienced by systemic administration. In this study, a comprehensive mathematical model has been developed to predict the drug particle trajectories of anticancer dasatinib magnetic nanomicelles (DAS-MNM) released in an internal thoracic artery (ITA) blood flow for breast cancer therapy. Several factors are investigated in regard to the efficiency of MDT through the ITA, including magnetic field strength (MFS), relative magnetic permeability, magnet size, drug particle size, and, initial position of drug particle. The drug particle trajectory results confirmed the successful MDT using an external magnetic field with a capture efficiency of more than 90%, through the accumulation of a wide range of particle sizes of DAS-MNM close to the external magnetic field source at the arterial wall than in other positions. Moreover, the results showed that the number of trapped particles increased with increasing both MFS and drug particle diameter within the target tissue, while the drug particle permeability does not have a considerable effect on the particle retention. In addition, for achieving a successful drug/cargo delivery through the arteries, the magnetic field, the particle size, and initial release locations should be adjusted simultaneously. The present work offers insights into the critical factors in MDT with a significant impact on breast cancer therapy, tissue engineering, and regenerative medicine.
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 | 0,000 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».