Boron in My Mind: A Comprehensive Review of the Evolution of the Diverse Syntheses of 4‐Borono‐ <scp>l</scp> ‐Phenylalanine, the Leading Agent for Boron Neutron Capture Therapy
Notice bibliographique
Résumé
Boron neutron capture therapy leverages the nuclear reaction between boron‐10 and thermal neutrons to selectively destroy cancer cells while minimizing damage to surrounding healthy tissues. This therapy finds use in treating glioblastoma, which, as a brain cancer, is difficult to treat using conventional radiotherapy, surgery, and chemotherapy due to location and the risk of brain damage. However, to work, the cells must contain 10 B. 4‐Borono‐ l ‐phenylalanine ( l ‐BPA) is the most frequently used boron delivery agent in this therapy. Surprisingly, despite its seemingly simple structure, there is no consensus approach to making it—the synthesis of l ‐BPA has been approached through multiple routes, reflecting the challenges in producing high‐purity, isotopically enriched material. When a new site is looking to make this essential material, it can be challenging to determine the best route for the situation as there is no critical analysis comparing and discussing the relative merits of the approaches. Herein, the reported methods, from both the academic and patent literature, used to synthesize l ‐BPA, are comprehensively and critically examined and compared. The review also highlights the limitations of each method regarding scalability, cost‐effectiveness, and safety, especially considering the high cost of isotopically enriched 10 B.
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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».