Novel nanoparticles for breast cancer targeted delivery: preparation and in vitro characterization
Bibliographic record
Abstract
Suivant le cancer des poumons, le cancer du sein est le deuxième type de cancer le plus répandu et commun à travers le monde. C'est la cinquième cause de décès du à un cancer. Certes, il est le cancer le plus commun parmi les femmes, ayant un double taux d'incidence à ceux du cancer du colon et cancer du col de l'utérus, et triple à celui des poumons. Dans cette dissertation, une drogue carrière qui combine les anticorps trastuzumab et la drogue noscapine, a été conçue et évaluée pour être utilisée dans le traitement du cancer du sein. Des études « in vitro » ont étés conduites pour comparer différents crosslinkers dans la méthode de préparation des nanoparticules chargées de cette drogue. De plus, l'efficacité de nanoparticules chargées de drogues a été évaluée au niveau des cellules du cancer de sein. L'objectif de cette étude est le développement d'une procédure coacervation pour la préparation et la caractérisation in vitro des nanoparticules HSA sous un aspect d'une taille contrôlée, en combinaison d'une distribution mono dispersée. Leur propriétés sont donc étudiés pour la délivrance optimale, prudente et efficace de drogues anti-cancer. Les résultats prouvent que les nanoparticules chargées de noscapine qui contiennent l'anticorps trastuzumab peuvent être une méthode alternative pour le traitement du cancer du sein ainsi que d'autres applications biomédicales. Des études "in-vivo" plus profondes sont recommanés pour évaluer leur potentiel maximum. Ce travail mets en valeur le potentiel des trastuzumab-modifié nanoparticules charges de noscapine reliés avec du genipin ou du glutaraldehyde comme un system de drogue conçu pour la thérapie du cancer du sein. fr
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".