MétaCan
Menu
Retour à la cohorte
Enregistrement W4389514344 · doi:10.1016/j.bj.2023.100685

Aptamer-functionalized liposomes for drug delivery

2023· review· en· W4389514344 sur OpenAlexaff
Ka‐Ying Wong, Man‐Sau Wong, Juewen Liu

Notice bibliographique

RevueBiomedical Journal · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésAptamerLiposomeDrug deliveryTargeted drug deliveryDrugCancer therapyNanotechnologyConjugatePharmacologyChemistryMedicineCancerBiologyMaterials scienceMolecular biology

Résumé

récupéré en direct d'OpenAlex

Among the various targeting ligands for drug delivery, aptamers have attracted much interest in recent years because of their smaller size compared to antibodies, ease of modification, and better batch-to-batch consistency. In addition, aptamers can be selected to target both known and even unknown cell surface biomarkers. For drug loading, liposomes are the most successful vehicle and many FDA-approved formulations are based on liposomes. In this paper, aptamer-functionalized liposomes for targeted drug delivery are reviewed. We begin with the description of related aptamers selection, followed by methods to conjugate aptamers to liposomes and the fate of such conjugates in vivo. Then a few examples of applications are reviewed. In addition to intravenous injection for systemic delivery and hoping to achieve accumulation at target sites, for certain applications, it is also possible to have aptamer/liposome conjugates applied directly at the target tissue such as intratumor injection and dropping on the surface of the eye by adhering to the cornea. While previous reviews have focused on cancer therapy, the current review mainly covers other applications in the last four years. Finally, this article discusses potential issues of aptamer targeting and some future research opportunities.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,041
Tête enseignante GPT0,362
Écart entre enseignants0,321 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations36
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiomedical JournalMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207