Perspective on the Application of Erythrocyte Liposome-Based Drug Delivery for Infectious Diseases
Notice bibliographique
Résumé
Nanoparticles are explored as drug carriers with the promise for the treatment of diseases to increase the efficacy and also reduce side effects sometimes seen with conventional drugs. To accomplish this goal, drugs are encapsulated in or conjugated to the nanocarriers and selectively delivered to their targets. Potential applications include immunization, the delivery of anti-cancer drugs to tumours, antibiotics to infections, targeting resistant bacteria, and delivery of therapeutic agents to the brain. Despite this great promise and potential, drug delivery systems have yet to be established, mainly due to their limitations in physical instability and rapid clearance by the host's immune response. Recent interest has been taken in using red blood cells (RBC) as drug carriers due to their naturally long circulation time, flexible structure, and direct access to many target sites. This includes coating of nanoparticles with the membrane of red blood cells, and the fabrication and manipulation of liposomes made of the red blood cells' cytoplasmic membrane. The properties of these erythrocyte liposomes, such as charge and elastic properties, can be tuned through the incorporation of synthetic lipids to optimize physical properties and the loading efficiency and retention of different drugs. Specificity can be established through the anchorage of antigens and antibodies in the liposomal membrane to achieve targeted delivery. Although still at an early stage, this erythrocyte-based platform shows first promising results in vitro and in animal studies. However, their full potential in terms of increased efficacy and side effect minimization still needs to be explored in vivo.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,000 | 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 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 ».