Lipid-derived nanoparticles for immunostimulatory RNA adjuvant delivery
Notice bibliographique
Résumé
The specific activation of Toll-like receptors (TLRs) has potential utility for a variety of therapeutic indications including antiviral immunotherapy and as vaccine adjuvants. TLR7 and TLR 8 may be activated by their native ligands, single-stranded RNA, or by small molecules of the imidazoquinoline family. However the use of TLR7/8 agonists for in vivo therapy is limited by instability, in the case of RNA, or systemic biodistribution and toxicity in the case of small molecule agonists. We hypothesized that unique lipid-like materials, termed "lipidoids," could be designed to efficiently deliver immunostimulatory RNA (isRNA) to TLR-expressing cells to drive innate and adaptive immune responses. A library of lipidoids was synthesized and screened for the ability to induce type I IFN activation in human peripheral blood mononuclear cells when combined with isRNA oligonucleotides. Effective lipidoid-isRNA nanoparticles, when tested in mice, stimulated strong IFN-α responses following subcutaneous injection, had robust antiviral activity that suppressed influenza virus replication, and enhanced antiovalbumin humoral and cell-mediated responses when used as a vaccine adjuvant. Further, we demonstrate that whereas all immunological activity was MyD88-dependent, certain materials were found to engage both TLR7-dependent and TLR7-independent activity in the mouse suggestive of cell-specific delivery. These lipidoid formulations, which are materials designed specifically for delivery of isRNA to Toll-like receptors, were superior to the commonly used N-[1-(2,3-dioleoyloxy)propyl]-N,N,N-trimethylammonium methylsulfate-RNA delivery system and may provide new tools for the manipulation of TLR responses in vitro and in vivo.
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 | 0,001 |
| 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 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».