Κατασκευή νανοσωματιδίων χιτοζάνης φορτωμένων με αντισώματα μέσω μικρορευστοποίησης
Notice bibliographique
Résumé
Inflammatory bowel disease (IBD) has become one of the most common chronic conditions which has affected millions of people around the world. Conventional therapies might ultimately result in chronic illness or surgery. Biological therapies with anti-tumor necrosis factor alpha (anti-TNF-α) Monoclonal Antibodies, such as Infliximab (INF), has been very effective in remission and tissue healing. Unfortunately, its systemic administrations result in severe side effects. In this study, Chitosan (CHI) Nanoparticles (NPs) and Carboxy Methyl Chitosan (CMC) NPs were produced by microfluidics-based on-a-chip systems to efficiently encapsulate INF for oral delivery to reduce side effects and increase patient compliances. This study also includes comparison between two well-known Microfluidics platforms i.e., the Automated Nanoparticle (ANP) System (Dolomite, Roystone, United Kingdom) and the NanoAssemblr® Benchtop (Precision NanoSystems, Vancouver, Canada). CHI NPs and CMC NPs were successfully prepared by Microfluidics technique when using both equipment, and INF was also encapsulated successfully in both types of NPs with encapsulation efficiency (EE%) ranging from 9.06 to 67.45 of for different NPs prepared with different ingredients ratios and at flow rates. Comparison between two types of equipment showed that the NPs preparation in terms of size and PDI are quite comparable, but EE% is quite different. Stability studies of CHI NPs and CMC NPs with and without antibody was performed for one week and NPs were found to be very stable. Results obtained in this study seems to be promising for the potential of CHI NPs and CMC NPs for oral delivery of INF. Further studies are required to evaluate the efficacy of INF through in-vitro and in-vivo studies.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,472 | 0,156 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».