Stimuli-responsive (nano)architectures for phytochemical delivery in cancer therapy
Notice bibliographique
Résumé
The use of phytochemicals for purpose of cancer therapy has been accelerated due to resistance of tumor cells to conventional chemotherapy drugs and therefore, monotherapy does not cause significant improvement in the prognosis and survival of patients. Therefore, administration of natural products alone or in combination with chemotherapy drugs due to various mechanisms of action has been suggested. However, cancer therapy using phytochemicals requires more attention because of poor bioavailability of compounds and lack of specific accumulation at tumor site. Hence, nanocarriers for specific delivery of phytochemicals in tumor therapy has been suggested. The pharmacokinetic profile of natural products and their therapeutic indices can be improved. The nanocarriers can improve potential of natural products in crossing over BBB and also, promote internalization in cancer cells through endocytosis. Moreover, (nano)platforms can deliver both natural and synthetic anti-cancer drugs in combination cancer therapy. The surface functionalization of nanostructures with ligands improves ability in internalization in tumor cells and improving cytotoxicity of natural compounds. Interestingly, stimuli-responsive nanostructures that respond to endogenous and exogenous stimuli have been employed for delivery of natural compounds in cancer therapy. The decrease in pH in tumor microenvironment causes degradation of bonds in nanostructures to release cargo and when changes in GSH levels occur, it also mediates drug release from nanocarriers. Moreover, enzymes in the tumor microenvironment such as MMP-2 can mediate drug release from nanocarriers and more progresses in targeted drug delivery obtained by application of nanoparticles that are responsive to exogenous stimulus including light.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».