Mucoadhesive cellulose Nanocrystal-chitosan nanocomposite for the delivery of hydrophobic compounds
Notice bibliographique
Résumé
Cellulose nanocrystals (CNC) have received much attention as a drug delivery agent, but their hydrophilic nature hinders hydrophobic drug loading. Ionotropic gelation using CNC and chitosan (CS) can enhance the loading/encapsulation efficiency of hydrophobic compounds, improve colloidal stability, and strengthen mucoadhesion due to the cationic surface of CS. The colloidal behavior of CNC/CS nanocomposites loaded with emamectin benzoate (EMB) were elucidated by measuring particle size, zeta potential, contact angle, and morphological structure using transmission electron microscopy. The mucoadhesive properties of the nanocomposites were evaluated by viscometric and titration method, followed by testing with zebrafish mucus. A facile and reproducible protocol to synthesize mucoadhesive CNC/CS nanocomposites that can encapsulate hydrophobic drugs is demonstrated. The optimal mass ratio for the synthesis was 1:10 (CS:CNC w/w), yielding the smallest average particle size (∼200 nm), highest zeta potentials (+40 mV), and highest drug encapsulation efficiency (68.8 ± 8.7%). The steric stabilization effect of polyvinylpyrrolidone (PVP) and amphiphilic CNC stabilized the colloidal system. Importantly, the CS-coating technique enhanced the colloidal stability due to electrostatic intramolecular repulsion of the positively charged CS. CNC/CS nanocomposites exhibited enhanced mucoadhesive interaction with porcine mucin protein and live zebrafish mucus.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».