Targeted Gene Silencing of TLR4 Using Liposomal Nanoparticles for Preventing Liver Ischemia Reperfusion Injury
Notice bibliographique
Résumé
RNAi-based therapy is a promising strategy for the prevention of ischemia-reperfusion injury (IRI). However, systemic administration of small interfering RNA (siRNA) may cause globally nonspecific targeting of all tissues, which impedes clinical use. Here we report a hepatocyte-specific delivery system for the treatment of liver IRI, using galactose-conjugated liposome nanoparticles (Gal-LipoNP). Heptocyte-specific targeting was validated by selective in vivo delivery as observed by increased Gal-LipoNP accumulation and gene silencing in the liver. Gal-LipoNP TLR4 siRNA treatment resulted in a significant decrease of serum alanine transferase (ALT) and aspartate transaminase (AST) in a hepatic IRI model. Histopathology displayed an overall reduction of the injury area in the Gal-LipoNP TLR4 siRNA treated mice. Additionally, neutrophil accumulation and lipid peroxidase-mediated tissue injury, detected by MPO, MDA and ROS respectively, were attenuated after Gal-LipoNP TLR4 siRNA treatment. Moreover, therapeutic effects of Gal-LipoNP TLR4 siRNA were associated with suppression of the inflammatory cytokines IL-1 and TNF-α. Taken together, this study is the first demonstration of liver IRI treatment using liver-specific siRNA delivery.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| 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 source (Gemma direct ou Codex distillé), 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 ».