Modulating the Mucosal Drug Delivery Efficiency of Polymeric Nanogels Tuning their Redox Response and Surface Charge
Notice bibliographique
Résumé
Abstract Mucus is a hydrated, viscoelastic, and adhesive gel that lubricates and protects the body from pathogens; however, its protective function hinders drug/nanomedicine diffusion and treatment efficiency. Therefore, novel drug delivery strategies are required to overcome challenging mucosal barriers. Here, multi‐responsive nanogels (NGs) are developed and explored their interaction with mucus. Specific NG features (e.g., surface charge, temperature responsiveness, and redox response) are evaluated in a typical mucus‐associated environment (i.e., mucin proteins and high glutathione concentrations). The results demonstrate that biocompatibility and the capacity to deliver a protein through mucosal barriers in different in vitro and in vivo models highlight the importance of specific NG design elements. Disulfide bonds are highlighted as redox‐sensitive cross‐linkers within the NG structure as critical for drug delivery performance; they function as degradation points that enable NG degradation and subsequent drug release and anchoring points to adhere to mucin, thereby enhancing their residence time at the desired site of action. Additionally, it is confirmed that surface charges impact interactions with mucin; positively charged NGs exhibit improved interactions with mucin compared to negatively charged and neutral NGs. Overall, the findings underline the importance of redox response and surface charge in NG design for reaching efficient mucosal drug 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 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 | 0,002 | 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) | 0,001 | 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 ».