Biomaterial Strategies for Targeted Intracellular Delivery to Phagocytes
Notice bibliographique
Résumé
Abstract Phagocytes are essential for orchestrating both short‐ and long‐term immune responses by internalizing extracellular material to clear pathogens, resolve tissue damage, present antigens, and secrete regulatory cytokines. In chronic inflammation, however, phagocyte activity becomes dysregulated and can perpetuate disease. Current therapeutic approaches to inflammatory disease, including corticosteroids and biologics, are often limited by severe systemic side effects, lack of specificity, and high costs, underscoring the need for precise interventions. Particulate delivery systems offer a transformative solution, leveraging their biocompatibility, scalability, and customizable properties for immune modulation. These systems enable controlled drug release, site‐specific targeting, and the capacity to selectively influence phagocyte behavior through tailored size, shape, and surface modifications. In this review, the potential of particulate systems to revolutionize phagocyte‐targeted therapies is explored. By examining key design parameters including particle size, shape, surface chemistry, and material properties, and their interactions with immune cells, this review provides a comprehensive framework for optimizing technologies to achieve precision immune modulation. Emphasis is placed on how these design choices influence receptor engagement, uptake pathways (phagocytosis, macropinocytosis, receptor‐mediated endocytosis), intracellular trafficking, and immune polarization. Actionable design principles tailored to specific therapeutic goals, such as promoting tolerogenic responses for autoimmunity or fine‐tuning inflammatory resolution in chronic diseases are provided.
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 | 0,000 | 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 ».