Size exclusion of radioactive polymers to study the biodegradation and stability of polymeric nanoparticles
Bibliographic record
Abstract
Les nanotechnologies ont joué un rôle essentiel dans le développement réussi des vaccins COVID-19 produits par BioNTech, Pfizer et Moderna. Elles ont rendues possible l'utilisation de nanomédicaments pour le traitement et la prophylaxie de maladies, qui ont à leur tour conduit au développement de différents excipients aux fonctions spécialisées. Par exemple, les lipides cationiques utilisés dans le vaccin COVID-19 aident à former des nanocomplexes avec l'actif, c'est-à-dire l'ARNm, et facilitent l'échappement endosomal. Le développement de nouveaux nanomédicaments contenant des excipients novateurs justifie l'utilisation de techniques analytiques permettant de caractériser leurs propriétés physicochimiques et leur stabilité, qui ont ultimement un impact sur les performances in vivo. Idéalement, les composantes des nanomédicaments doivent être dégradés et éliminés par l'organisme après avoir exercé leur action pharmacologique prévue. Dans cette thèse de doctorat, nous avons développé une technique qui combine le radiomarquage des polymères et la chromatographie d'exclusion stérique de polymères radioactifs, nommée SERP (pour « Size Exclusion of Radioactive Polymers », en anglais). Cette méthode inédite permet de suivre la biodisposition et d'estimer la dégradation des nanoparticules polymères in vitro et in vivo. Le triméthyl chitosane (TMC), un biopolymère, a été choisi comme modèle pour préparer des nanoparticules. Dans un premier temps, nous avons démontré l'utilité de cette méthode pour suivre la dégradation des nanoparticules de TMC in vitro en présence d'acide, d'enzymes et de cellules. Nous avons ensuite évalué le devenir à long terme des nanoparticules in vivo après administration intraveineuse chez les animaux. La SERP a été utilisée pour évaluer la dégradation des nanoparticules de TMC dans des échantillons biologiques complexes comme les tissus, l'urine et les fèces. Nous avons également vérifié la polyvalence de la méthode SERP pour contrôler la stabilité in vitro et la corrélation avec la pharmacocinétique in vivo d'un système de nanoparticules polymères synthétiques composé de poly(acide lactique-co-acide glycolique) et de poly(éthylène glycol) (PLGA-PEG). La sensibilité de la SERP a été comparée à la technique de diffusion dynamique de la lumière pour détecter la dégradation in vitro. Nous avons été capables de mesurer les différences dans la cinétique de dégradation de deux formulations différentes marquées avec la même molécule radioactive. Nous avons établi ensuite une corrélation entre la dégradation in vitro observée via SERP et la pharmacocinétique in vivo. Enfin, nous croyons que cette méthode aidera à suivre la biodisposition, à informer sur la biodégradation in vivo et à évaluer la stabilité d'une variété de matériaux utilisés dans la préparation de nanomédicaments. La SERP nous fournira plus d'informations sur les interactions des nanoparticules avec les organismes vivants et facilitera le développement de nanomédicaments plus sûrs et plus efficaces.
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 | 0.000 |
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".