Development of modular polymeric nanoparticles for drug delivery using amine reactive chemistry
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Curcumin has been explored for its anti-cancer potential, but is severely limited by its hydrophobicity and sensitivity to light and water. In this study, poly (lactic-co-glycolic) acid (PLGA) nanoparticles (NPs) were synthesized to encapsulate curcumin via single emulsion method to improve curcumin stability and bioavailability. The PLGA NPs were coated with oligomeric chitosan (COS) and RGD peptide (a peptide consisting of Arg-Gly-Asp) using amine-reactive chemistry (NHS and EDC). Both COS and RGD had been previously shown to accumulate and target many different types of cancer cells. NPs were characterised based on size distribution, zeta potential, and binding efficiency of RGD peptide. They were also evaluated on encapsulation efficiency, and stability, of curcumin within the NPs. OVCAR-3 cancer cells were treated with COS and RGD-coated PLGA NPs loaded with Coumarin-6 dye for fluorescent imaging of cell uptake. They were also treated with curcumin-loaded NPs to determine cytotoxicity and effectiveness of delivery. The NPs exhibited size distribution and zeta potential within expected values, though binding efficiency of RGD was low. Curcumin-loaded NPs showed significant increase in cytotoxicity over free (unencapsulated) curcumin, and void (empty) NPs, suggesting successful delivery of curcumin as an anti-cancer agent; the performance of COS and RGD coated NPs over bare PLGA NPs was inconclusive, however, optimization will be required to improve formulation during the coating steps. This method of NP synthesis serves as proof of concept for a modular solution to the development of various coated polymeric NPs for other drugs or applications.
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.
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 découle