An overview of in vitro and in vivo techniques for characterization of intranasal protein and peptide formulations for brain targeting
Notice bibliographique
Résumé
The surge in neurological disorders necessitates innovative strategies for delivering active pharmaceutical ingredients to the brain. The non-invasive intranasal route has emerged as a promising approach to optimize drug delivery to the central nervous system by circumventing the blood-brain barrier. While the intranasal approach offers numerous advantages, the lack of a standardized protocol for drug testing poses challenges to both in vitro and in vivo studies, limiting the accurate interpretation of nasal drug delivery and pharmacokinetic data. This review explores the in vitro experimental assays employed by the pharmaceutical industry to test intranasal formulation. The focus lies on understanding the diverse techniques used to characterize the intranasal delivery of drugs targeting the brain. Parameters such as drug release, droplet size measurement, plume geometry, deposition in the nasal cavity, aerodynamic performance and mucoadhesiveness are scrutinized for their role in evaluating the performance of nasal drug products. The review further discusses the methodology for in vivo characterization in detail, which is essential in evaluating and refining drug efficacy through the nose-to-brain pathway. Animal models are indispensable for pre-clinical drug testing, offering valuable insights into absorption efficacy and potential variables affecting formulation safety. The insights presented aim to guide future research in intranasal drug delivery for neurological disorders, ensuring more accurate predictions of therapeutic efficacy in clinical contexts.
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 ».