MétaCan
Menu
Retour à la cohorte
Enregistrement W4382721512 · doi:10.3390/ma16134685

Innovative Metal-Organic Frameworks for Targeted Oral Cancer Therapy: A Review

2023· review· en· W4382721512 sur OpenAlexaff
Seyyed Mojtaba Mousavi, Seyyed Alireza Hashemi, Fatemeh Fallahi Nezhad, Mojtaba Binazadeh, Milad Dehdashtijahromi, Navid Omidifar, Yasamin Ghahramani, Chin Wei Lai, Wei‐Hung Chiang, Ahmad Gholami

Notice bibliographique

RevueMaterials · 2023
Typereview
Langueen
DomaineChemistry
ThématiqueMetal-Organic Frameworks: Synthesis and Applications
Établissements canadiensUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésNanotechnologyNanocompositeCancer therapyCancerCancer treatmentDrug deliveryMaterials scienceAnticancer drugMedicineDrugPharmacologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Metal-organic frameworks (MOFs) have proven to be very effective carriers for drug delivery in various biological applications. In recent years, the development of hybrid nanostructures has made significant progress, including developing an innovative MOF-loaded nanocomposite with a highly porous structure and low toxicity that can be used to fabricate core-shell nanocomposites by combining complementary materials. This review study discusses using MOF materials in cancer treatment, imaging, and antibacterial effects, focusing on oral cancer cells. For patients with oral cancer, we offer a regular program for accurately designing and producing various anticancer and antibacterial agents to achieve maximum effectiveness and the lowest side effects. Also, we want to ensure that the anticancer agent works optimally and has as few side effects as possible before it is tested in vitro and in vivo. It is also essential that new anticancer drugs for cancer treatment are tested for efficacy and safety before they go into further research.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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 Opus0,087
Tête enseignante GPT0,370
Écart entre enseignants0,283 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMaterialsMême sujetMetal-Organic Frameworks: Synthesis and ApplicationsTravaux en français237 207