Influence of Polyethylene Glycol Lipid Desorption Rates on Pharmacokinetics and Pharmacodynamics of siRNA Lipid Nanoparticles
Notice bibliographique
Résumé
Lipid nanoparticles (LNPs) encapsulating short interfering RNAs that target hepatic genes are advancing through clinical trials, and early results indicate the excellent gene silencing observed in rodents and nonhuman primates also translates to humans. This success has motivated research to identify ways to further advance this delivery platform. Here, we characterize the polyethylene glycol lipid (PEG-lipid) components, which are required to control the self-assembly process during formation of lipid particles, but can negatively affect delivery to hepatocytes and hepatic gene silencing in vivo. The rate of transfer from LNPs to plasma lipoproteins in vivo is measured for three PEG-lipids with dialkyl chains 14, 16, and 18 carbons long. We show that 1.5 mol % PEG-lipid represents a threshold concentration at which the chain length exerts a minimal effect on hepatic gene silencing but can still modify LNPs pharmacokinetics and biodistribution. Increasing the concentration to 2.5 and 3.5 mol % substantially compromises hepatocyte gene knockdown for PEG-lipids with distearyl (C18) chains but has little impact for shorter dimyristyl (C14) chains. These data are discussed with respect to RNA delivery and the different rates at which the steric barrier disassociates from LNPs in vivo.Molecular Therapy-Nucleic Acids (2013) 2, e139; doi:10.1038/mtna.2013.66; published online 17 December 2013.
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 | 0,001 |
| 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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 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 ».