A Nanoparticle Platform for Improved Potency, Stability, and Adjuvanticity of Poly(I:C)
Notice bibliographique
Résumé
Abstract Cancer immunotherapies and prophylactic vaccines against infectious diseases often exploit adjuvants such as toll‐like receptor agonists (TLRa) to drive potent and directed immune responses. Unfortunately, a promising class of TLRa based on nucleic acid derivatives is susceptible to degradation by nucleases, cause life‐threatening systemic toxicities, and is difficult to target to specific cell populations or tissues within the body. In this study a library of cationic polymeric nanoparticles (NP) is developed for encapsulation and delivery of the double‐stranded RNA structural mimic, poly(I:C) (pIC), to address these limitations. Using a combinatorial library screening approach, pIC/poly(β‐amino ester) (PBAE) NPs are identified that skew activation resulting in enhanced potency (13‐fold increase in type I interferon [IFN] production) and negligible toxicity. These highly potent adjuvant NPs increase the magnitude, duration, and affinity maturation of antigen‐specific antibodies following vaccination with a model subunit vaccine. This NP platform provides an opportunity to alter the immune response to pIC, creating a potent type I IFN‐producing adjuvant capable of driving stronger humoral responses to immunization and improving affinity maturation more than 14‐fold. This platform can be applied generally to develop more effective vaccines and immunotherapies.
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 | 0,000 |
| 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) | 0,001 | 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 ».