Insulin Delivery to the Brain via the Nasal Route: Unraveling the Potential for Alzheimer's Disease Therapy
Notice bibliographique
Résumé
This comprehensive review delves into the potential of intranasal insulin delivery for managing Alzheimer's Disease (AD) while exploring the connection between AD and diabetes mellitus (DM). Both conditions share features of insulin signalling dysregulation and oxidative stress that accelerate inflammatory response. Given the physiological barriers to brain drug delivery, including the blood-brain barrier, intranasal administration emerges as a non-invasive alternative. Notably, intranasal insulin has shown neuroprotective effects, impacting Aβ clearance, tau phosphorylation, and synaptic plasticity. In preclinical studies and clinical trials, intranasally administered insulin achieved rapid and extensive distribution throughout the brain, with optimal formulations exhibiting minimal systemic circulation. The detailed mechanism of insulin transport through the nose-to-brain pathway is elucidated in the review, emphasizing the role of olfactory and trigeminal nerves. Despite promising prospects, challenges in delivering protein drugs from the nasal cavity to the brain remain, including enzymes, tight junctions, mucociliary clearance, and precise drug deposition, which hinder its translation to clinical settings. The review encompasses a discussion of the strategies to enhance the intranasal delivery of therapeutic proteins, such as tight junction modulators, cell-penetrating peptides, and nano-drug carrier systems. Moreover, successful translation of nose-to-brain drug delivery necessitates a holistic understanding of drug transport mechanisms, brain anatomy, and nasal formulation optimization. To date, no intranasal insulin formulation has received regulatory approval for AD treatment. Future research should address challenges related to drug absorption, nasal deposition, and the long-term effects of intranasal insulin. In this context, the evaluation of administration devices for nose-to-brain drug delivery becomes crucial in ensuring precise drug deposition patterns and enhancing bioavailability.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».