MétaCan
Menu
Retour à la cohorte
Enregistrement W4394359142 · doi:10.6084/m9.figshare.9752633

Hyaluronic acid-modified selenium nanoparticles for enhancing the therapeutic efficacy of paclitaxel in lung cancer therapy

2019· dataset· en· W4394359142 sur OpenAlexaff
Jianjun Zou, Shan Su, Zhuohong Chen, Feng Liang, Wenchang Cen, Xianlan Zhang, Yu Xia, Donglan Huang

Notice bibliographique

RevueFigshare · 2019
Typedataset
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPaclitaxelHyaluronic acidSeleniumLung cancerCancerMedicinePharmacologyChemistryOncologyInternal medicineOrganic chemistryAnatomy

Résumé

récupéré en direct d'OpenAlex

Targeted delivery of chemotherapeutics by functionalized nanoparticles exhibits a wonderful prospect for cancer treatment. In this paper, selenium nanoparticles (SeNPs) was linked with hyaluronic acid (HA) to prepare tumor-targeted delivery vehicle HA-SeNPs, and HA-SeNPs was loaded with paclitaxel (PTX) to fabricate functionalized selenium nanoparticles HA-Se@PTX. HA-Se@PTX showed greater uptake in A549 cells in comparison with that in HUVEC, verifying HA-mediated specific uptake of HA-Se@PTX. HA-Se@PTX was capable of entering A549 cells via clathrin-associated endocytosis and showed faster drug release in cancer cell microenvironment in comparison with normal physiological environment. HA-Se@PTX could obviously inhibit the proliferation, migration and invasion of A549 cells and trigger A549 cells apoptosis. Moreover, active targeting functionalized selenium nanoparticles HA-Se@PTX showed greater in vivo antitumor activity compared with free PTX or passive targeting delivery system Se@PTX. In addition, HA-Se@PTX exhibited negligible toxicity on the major organs of mice. In a word, HA-Se@PTX may develop into a valuable nanoscale antitumor drug agent for lung cancer treatment.

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)0,001
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: aucune
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,015
Score d'incertitude au seuil0,051

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
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)0,0150,004

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 Opus0,040
Tête enseignante GPT0,296
Écart entre enseignants0,256 · 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
GenreJeu de données

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

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207