Critical assessment of purification processes for the robust production of polymeric nanomedicine
Notice bibliographique
Résumé
Polymeric nanoparticles are among the most widely used nanocarriers for delivering therapeutic molecules. However, their synthesis processes often generate undesirable impurities that could be toxic and challenging to eliminate. In this study, we compared three purification techniques - centrifugation, dialysis, and tangential flow filtration (TFF) - to evaluate their efficacy in removing residual drug, surfactant, and solvent while preserving the nanoparticles' physicochemical features (hydrodynamic size, zeta potential, polydispersity index). Centrifugation excels in eliminating unencapsulated drug and residual surfactant but significantly affects the nanoparticles' physicochemical properties, such as colloidal stability and size homogeneity. On the other hand, dialysis is a gentler technique effective in removing residual solvent but less so for residual surfactant and unencapsulated drug. TFF emerges as a balanced approach, offering a compromise between the two but none of these techniques achieves satisfactory purification at lab-scale alone. While each technique has its merits, none can meet all requirements independently. The optimal purification strategy often involves a combination of techniques, determined on a case-by-case basis considering factors like purity levels, time, costs, and the preservation of critical properties such as drug loading and colloidal stability. This study underscores the need for a nuanced approach in selecting purification strategies for polymeric nanoparticles in drug delivery 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.
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 | 0,001 | 0,001 |
| 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 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 ».