Photoprotective effect of solid lipid nanoparticles of rutin against UVB radiation damage on skin biopsies and tissue-engineered skin
Notice bibliographique
Résumé
Solid lipid nanoparticles (SLNs) containing rutin were prepared to enhance their photochemopreventive effect on the skin. SLNs were produced by the hot melt microemulsion technique. Two 3D skin models: ex vivo skin explants and 3D tissue engineering skin were used to evaluate the photochemopreventive effect of topical formulations containing rutin SLNs, against ultraviolet B (UVB) radiation, inducing sunburn cells, caspase-3, cyclobutane pyrimidine dimers, lipid peroxidation, and metalloproteinase formation. The rutin SLNs presented average size of 74.22 ± 2.77 nm, polydispersion index of 0.16 ± 0.04, encapsulation efficiency of 98.90 ± 0.25%, and zeta potential of −53.0 ± 1.61 mV. The rutin SLNs were able to efficiently protect against UVB induced in the analysed parameters in both skin models. Furthermore, the rutin SLNs inhibited lipid peroxidation and metalloproteinase formation. These results support the use of rutin SLNs as skin photochemopreventive agents for topical application to the skin.
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) | 0,000 | 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 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 ».