Development and Evaluation of Lipid-Based Formulations for Liver Cancer: A Comparative Study of Solid Lipid Nanoparticles vs. Nanostructured Lipid Carriers
Notice bibliographique
Résumé
To investigate the influence of the physical state and composition of lipid materials on the preparation performance of lipid nanocarriers, two types of carriers were prepared and compared: solid lipid nanoparticles (SLNs), nanostructured lipid carriers (NLCs).To assess the ability of these nanocarriers to promote effective drug delivery of drug to liver for management of liver cancer, Fenretinide (FEN) was employed as a model drug.The FEN encapsulation efficiency in these NLCS was greater than 97% compared to 93% for SLNs.Further loading capacity increased 2 folds in case of NLCs.Furthermore, the unchanged size and size distribution of these nanoparticles for 3 months at room temperature demonstrated their stability in such conditions.However, MTT experiments proved that FEN-SLNs are more effective for delivering FEN to HepG2 cells than NLCs with 3 folds enhancement in cytotoxic activity.Therefore, this study showed that by optimally controlling the lipid physical state and composition, it is possible to fabricate the solid lipid nanoparticles with desired properties.
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 | 0,000 | 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 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 ».