Intranasal delivery of glucagon-like peptide-1 to the brain for obesity treatment: opportunities and challenges
Notice bibliographique
Résumé
INTRODUCTION: Glucagon-like peptide-1 receptor agonists (GLP-1 RAs), approved by the US FDA for obesity treatment, are typically administered subcutaneously, an invasive method leading to suboptimal patient adherence and peripheral side effects. Additionally, this route requires the drug to cross the restrictive blood-brain barrier (BBB), limiting its safety and effectiveness in weight management and cognitive addiction disorders. Delivering the drug intranasally could overcome these drawbacks. AREAS COVERED: This review summarizes GLP-1 RAs used as anti-obesity agents, focusing on the intranasal route as a potential pathway to deliver these biomolecules to the brain. It also discusses strategies to overcome challenges associated with nasal delivery. EXPERT OPINION: Nose-to-brain (N2B) pathways can address limitations of the subcutaneous route for GLP-1 RAs. However, peptide delivery to the brain is challenging due to nasal physiological barriers and the drug's physicochemical properties. Innovative approaches, such as cell permeation enhancers, mucoadhesive systems, and nanocarriers in nasal formulations, along with efficient drug delivery devices, show promising preclinical results. Despite this, successful preclinical data does not guarantee clinical effectiveness, highlighting the need for comprehensive clinical investigations to optimize formulations and fully utilize the nose-to-brain interface for peptide delivery.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».