MétaCan
Menu
Retour à la cohorte
Enregistrement W4295931451 · doi:10.1021/acsapm.2c01220

Mechanistic Influence of Polymer Species, Molecular Weight, and Functionalization on Mucin–Polymer Binding Interactions

2022· article· en· W4295931451 sur OpenAlexafffund
Jeffrey Watchorn, Samantha Stuart, Darcy C. Burns, Frank Gu

Notice bibliographique

RevueACS Applied Polymer Materials · 2022
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvanced Drug Delivery Systems
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Federation of University Women
Mots-clésMucoadhesionCarboxymethyl cellulosePolymerPolymer chemistryMethacrylateDrug deliveryMaterials scienceSurface modificationHydroxypropyl celluloseChemistryChemical engineeringDrug carrierOrganic chemistryCopolymerNanotechnologyPhysical chemistry

Résumé

récupéré en direct d'OpenAlex

Improving both systemic and localized delivery of pharmaceuticals by optimizing the delivery vehicle properties is a major area of ongoing research. One such engineered property is mucoadhesion, wherein polymers are tailored to optimize polymer–mucin interactions to increase drug residence times and uptake efficiency. There are many examples of mucoadhesion as a drug delivery modality in the literature, yet the underlying mechanisms remain poorly understood, and its clinical translation is limited. Within this mechanistic lens, we found that nuclear magnetic resonance (NMR) is a powerful tool for uncovering polymer–mucin interactions. We investigated the influence of several polymer design parameters including molecular weight and repeating unit functionalization on mucoadhesion and uncovered several key findings in terms of the influence of these design parameters on polymer–protein intermacromolecular interactions. First, we probed individual polymer species including hydroxypropyl cellulose (HPC), hydroxypropyl methyl cellulose (HPMC), and carboxymethyl cellulose (CMC) and identified that molecular-weight-driven changes in the polymer–mucin interaction fingerprint result from perturbations in the polymer-specific binding complex. Specifically, we found that CMC and HPC complexes spatially reorient with increasing molecular weight, whereas HPMC complexes do not. We expanded this comparison to include functional group changes to the polymer repeating unit, where we showed that the addition of methyl groups to cellulose derivatives induces a unique binding fingerprint. Next, we expanded the mucoadhesive polymer series to include CMC, HPC, HPMC, poly(acrylic acid) (PAA), and poly((2-dimethylamino)ethyl methacrylate) (PDMAEMA) and observed a negative correlation between molecular weight and mucoadhesive interaction intimacy, highlighting the differences across polymer species. Finally, we explored polymers that lack mucin interactions to illustrate the limitations of polymer composition and molecular weight as predictors of mucoadhesive fate. Altogether, these experiments were used to report on mucoadhesive interactions at the atomic level and revealed that polymer design is dependent on both the availability and accessibility of mucoadhesive functional groups.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
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)0,0010,000

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 Opus0,042
Tête enseignante GPT0,341
Écart entre enseignants0,299 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations20
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Polymer MaterialsMême sujetAdvanced Drug Delivery SystemsTravaux en français237 207