Development of Gelled-Oil Nanoparticles for the Encapsulation and Release of Berberine
Notice bibliographique
Résumé
In this study, a new drug carrier based on gelled-oil nanoparticles (GNPs) was designed and synthesized for the encapsulation and release of the model hydrophobic drug, berberine chloride (BCl). Two compositions with different oil phases were examined, sesame oil (SO) and cinnamaldehyde (Cin), which were emulsified with water, stabilized with Tween 80 (Tw80), and gelled using an N-alkylated primary oxalamide low-molecular-weight gelator (LMWG) to give stable dispersions of GNPs between 100 and 200 nm in size. The GNP formulation with Cin was significantly favored over SO due to (1) lower gel melting temperatures, (2) higher gel mechanical strength, and (3) significantly higher solubility, encapsulation efficiency, and loading of BCl. Also, the solubility and loading of BCl in Cin were significantly increased (at least 7-fold) with the addition of cinnamic acid. In vitro release studies showed that the release of BCl from the GNPs was independent of gelator concentration and lower than that for BCl solution and the corresponding nanoemulsion (no LWMG). Also, cell internalization studies suggested that the N-alkylated primary oxalamide LMWG did not interfere with the internalization efficiency of BCl into mouse mast cells. Altogether, this work demonstrates the potential use of these new GNP formulations for biomedical studies involving the encapsulation of drugs and nutraceuticals and their controlled release.
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 | 0,000 |
| 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 ».