MétaCan
Menu
Retour à la cohorte
Enregistrement W4403137083 · doi:10.1021/acsami.4c14615

Corked Microcapsules Enabling Controlled Ultrasound-Mediated Protein Delivery

2024· article· en· W4403137083 sur OpenAlexafffund
Andrew Singh, Jonathan Dorogin, Kayla Baker, Jonathan Que, Pamela Schimmer, Nate Dowdall, Anthony Delfino, Todd Hoare

Notice bibliographique

RevueACS Applied Materials & Interfaces · 2024
Typearticle
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMaterials scienceNanotechnologyBiomedical engineeringMedicine

Résumé

récupéré en direct d'OpenAlex

While ultrasound represents a facile, portable, and noninvasive trigger for drug delivery vehicles, most reported ultrasound-triggered drug delivery vehicles predominately present "burst" release profiles that are hard to control after the initial activation stimulus. Herein, we report a submerged electrospraying technique to fabricate protein-loaded microcapsules in which silica "corks" are embedded within the microcapsule shell. Upon the application of an ultrasound trigger, the corks can be perturbed within the shell, allowing for the release of the protein payload through a phantom tissue mimic to a degree proportional to the number/time of pulses applied. Specifically, multiple ultrasound pulses were shown to enable a 15- to 23-fold increase in the rate of release of the model bovine serum albumin protein payload relative to no ultrasound being applied, with release returning to a lower level when the ultrasound stimulus was removed. Coupled with the low cytotoxicity of the vehicle components, the corked microcapsules show promise for expanding the potential to use ultrasound to facilitate both on-demand and pulsatile release profiles.

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)0,000
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: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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)0,0000,000

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.

Tête enseignante Opus0,006
Tête enseignante GPT0,198
Écart entre enseignants0,191 · 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
GenreEmpirique

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

En bref

Citations2
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Applied Materials & InterfacesMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207