Cationic Nanoparticles Assembled from Natural-Based Steroid Lipid for Improved Intracellular Transport of siRNA and pDNA
Notice bibliographique
Résumé
Developing new functional biomaterials from biocompatible natural-based resources for gene/drug delivery has attracted increasing attention in recent years. In this work, we prepared a series of cationic nanoparticles (Diosarg-DOPE NPs) by assembly of a natural steroid diosgenin-based cationic lipid (Diosarg) with commercially-available helper lipid 1,2-dioleoyl-sn-glycero-3-phosphorethanolamine (DOPE). These cationic Diosarg-DOPE NPs were able to efficiently bind siRNA and plasmid DNA (pDNA) via electrostatic interactions to form stable, nano-sized cationic lipid nanoparticles instead of lamellar vesicles in aqueous solution. The average particle size, zeta potentials and morphologies of the siRNA and pDNA complexes of the Diosarg-DOPE NPs were examined. The in vitro cytotoxicity of NPs depends on the dose and assembly ratio of the Diosarg and DOPE. Notably, the intracellular transportation efficacy of the exogenesis siRNA and pDNA could be greatly improved by using the Diosarg-DOPE NPs as the cargoes in H1299 cell line. The results demonstrated that the self-assembled Diosarg-DOPE NPs could achieve much higher intracellular transport efficiency for siRNA or pDNA than the cationic lipid Diosarg, indicating that the synergetic effect of different functional lipid components may benefit the development of high efficiency nano-scaled gene carriers. Moreover, it could be noted that the traditional “lysosome localization” involved in the intracellular trafficking of the Diosarg and Diosarg-DOPE NPs, indicating the co-assembly of helper lipid DOPE, might not significantly affect the intracellular localization features of the cationic lipids.
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 | 0,000 | 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 | 0,000 |
| 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 ».