IL-10 Gene Transfection in Primary Endothelial Cells via Linear and Branched Poly(β-amino ester) Nanoparticles Attenuates Inflammation in Stimulated Macrophages
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Poly(β-amino esters) or PBAEs are highly efficient synthetic polymers optimized for gene delivery, a complicated process dependent on polymer properties such as hydrophobicity, charge, and degradability. The modular design of PBAEs has allowed for the identification of which polymer and nanoparticle properties significantly affect gene delivery efficiency in various cell types. However, these investigations need to be extended to more difficult-to-transfect cells such as primary endothelial cells, which hold enormous potential for atherosclerosis. Here a small library of 6 different PBAEs were screened for efficacy and safety in two types of primary endothelial cells (ECs). Nearly all polymers were more efficient than commercial transfection reagents (p < 0.05), reaching 60% and 15% transfection efficiency in human and mouse primary ECs, respectively. The top performing PBAE was used to deliver a plasmid encoding the anti-inflammatory cytokine interleukin-10 (IL-10), which has the potential to reduce inflammation in atherosclerosis. Significant increases in IL-10 mRNA and protein were detectable in ECs 72 h after transfection with PBAE:IL-10 nanoparticles. Macrophages cultured in conditioned medium from IL10-transfected ECs showed activation of anti-inflammatory signaling pathways. In addition, these macrophages secreted significantly less (25%) tumor necrosis factor α (TNFα) when challenged with lipopolysaccharide (LPS). These results underline the capabilities of PBAEs to be expanded as a fine-tunable platform for anti-inflammatory gene delivery within the context of atherosclerosis.
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.
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 découle