Emerging Technologies for Delivery of Biotherapeutics and Gene Therapy Across the Blood–Brain Barrier
Notice bibliographique
Résumé
Antibody, immuno- and gene therapies developed for neurological indications face a delivery challenge posed by various anatomical and physiological barriers within the central nervous system (CNS); most notably, the blood-brain barrier (BBB). Emerging delivery technologies for biotherapeutics have focused on trans-cellular pathways across the BBB utilizing receptor-mediated transcytosis (RMT). 'Traditionally' targeted RMT receptors, transferrin receptor (TfR) and insulin receptor (IR), are ubiquitously expressed and pose numerous translational challenges during development, including species differences and safety risks. Recent advances in antibody engineering technologies and discoveries of RMT targets and BBB-crossing antibodies that are more BBB-selective have combined to create a new preclinical pipeline of BBB-crossing biotherapeutics with improved efficacy and safety. Novel BBB-selective RMT targets and carrier antibodies have exposed additional opportunities for re-targeting gene delivery vectors or nanocarriers for more efficient brain delivery. Emergence and refinement of core technologies of genetic engineering and editing as well as biomanufacturing of viral vectors and cell-derived products have de-risked the path to the development of systemic gene therapy approaches for the CNS. In particular, brain-tropic viral vectors and extracellular vesicles have recently expanded the repertoire of brain delivery strategies for biotherapeutics. Whereas protein biotherapeutics and bispecific antibodies enabled for BBB transcytosis are rapidly heading towards clinical trials, systemic gene therapy approaches for CNS will likely remain in research phase for the foreseeable future. The promise and limitations of these emerging cross-BBB delivery technologies are further discussed in this article.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,004 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,004 |
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 ».