Structural Characterization of Cis– and Trans–Pt(NH3)2Cl2 Conjugations with Chitosan Nanoparticles
Notice bibliographique
Résumé
The conjugation of chitosan 15 and 100 KD with anticancer drugs cis– and trans–Pt (NH3)2Cl2 (abbreviated cis–Pt and trans–Pt) were studied at pH 5–6. Using multiple spectroscopic methods and thermodynamic analysis to characterize the nature of drug–chitosan interactions and the potential application of chitosan nanoparticles in drug delivery. Analysis showed that both hydrophobic and hydrophilic contacts are involved in drug–polymer interactions, while chitosan size and charge play a major role in the stability of drug–polymer complexes. The overall binding constants are Kch–15–cis–Pt = 1.44 (±0.6) × 105 M−1, Kch–100–cis–Pt = 1.89 (±0.9) × 105 M−1 and Kch–15–trans–Pt = 9.84 (±0.5) × 104 M−1, and Kch–100–trans–Pt = 1.15 (±0.6) × 105 M−1. More stable complexes were formed with cis–Pt than with trans–Pt–chitosan adducts, while stronger binding was observed for chitosan 100 in comparison to chitosan 15 KD. This study indicates that polymer chitosan 100 is a stronger drug carrier than chitosan 15 KD in vitro.
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 | 0,000 |
| 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 | 0,000 | 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) | 0,001 | 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 ».