MétaCan
Menu
Retour à la cohorte
Enregistrement W4388311085 · doi:10.1093/oso/9780199636556.003.0006

Encapsulation of Weakly-Basic Drugs, Antisense Oligonucleotides, and Plasmid DNA within Large Unilamellar vesicles for Drug Delivery Applications

2003· book-chapter· en· W4388311085 sur OpenAlexaff
David B. Fenske, Norbert Maurer, Pieter R. Cullis

Notice bibliographique

Revuenon disponible
Typebook-chapter
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensInimex Pharmaceuticals (Canada)University of British Columbia
Organismes subventionnairesnon disponible
Mots-clésLiposomeVesicleDrug deliveryNanotechnologyChemistryDrugDispersityLipid bilayerOligonucleotideDrug carrierIn vivoMembraneBiophysicsDNAMaterials sciencePharmacologyBiologyBiochemistryBiotechnology

Résumé

récupéré en direct d'OpenAlex

Abstract Liposomes are microscopic spheres consisting of one or more lipid bilayers arranged concentrically about a central aqueous core. Liposomes were first described over thirty-five years ago (1), and it was not long after that their usefulness as models of biological membranes and their potential as systems for the systemic delivery of drugs was recognized (2). Development of this potential required techniques for the generation of unilamellar vesicles and encapsulation of drugs and macromolecules within them. Although a wide variety of methods were developed for the formation of liposomes (3, 4), many of them were technically demanding, time-consuming, and did not generate liposomes of optimal size and polydispersity. Likewise, early attempts at encapsulating drugs within liposomes relied on passive entrapment methods, which resulted in low encapsulation levels (<30%) and poor retention of drugs (5). Nevertheless, early in vivo experiments on liposomal drug systems were encouraging enough to fuel further development (see ref. 5 and references therein).

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,008
Tête enseignante GPT0,218
Écart entre enseignants0,210 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations8
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetRNA Interference and Gene DeliveryTravaux en français237 207