Steered molecular dynamics simulations reveal a self-protecting configuration of nanoparticles during membrane penetration
Notice bibliographique
Résumé
Cell entry of polynucleotide-based therapeutic agents can be facilitated by nanoparticle (NP) mediated delivery. In this work, using steered molecular dynamics simulations, we simulated the membrane penetration process of a NP formed by 2 short interfering RNA (siRNA) and 6 polyethylenimine (PEI) molecules. To the best of our knowledge, this is the first set of simulations that explore the direct penetration of an siRNA/PEI NP through a membrane at an all-atom scale. Three types of PEI molecules were used for NP formation: a native PEI, a PEI modified with caprylic acids and a PEI modified with linoleic acids. We found that hydrogen bond formation between the PEIs and the membrane did not lead to instability of the siRNA/PEI NPs during the internalization process. Instead, our results suggested adoption of a "self-protecting" configuration by the siRNA/PEI NP during membrane penetration, where the siRNA/PEI NP becomes more compact and siRNAs become aligned, leading to more stable configurations while detaching from the membrane. The siRNA/PEI NP modified with linoleic acid showed the smallest structural change due to its strong intra-particle lipid associations and the resulting rigidity, while NP modified with caprylic acid showed the largest structural changes. Our observations provide unique insight into the structural changes of siRNA/PEI NPs when crossing the cell membrane, which can be important for the design of new NP carriers for nucleic acid 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 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 ».