MétaCan
Menu
Retour à la cohorte
Enregistrement W3130366966 · doi:10.1021/acsnano.0c10069

Density Matching Multi-wavelength Analytical Ultracentrifugation to Measure Drug Loading of Lipid Nanoparticle Formulations

2021· article· en· W3130366966 sur OpenAlexafffund
Amy Henrickson, Jayesh A. Kulkarni, Josh Zaifman, Gary E. Gorbet, Pieter R. Cullis, Borries Demeler

Notice bibliographique

RevueACS Nano · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueField-Flow Fractionation Techniques
Établissements canadiensUniversity of British ColumbiaUniversity of Lethbridge
Organismes subventionnairesCanadian Institutes of Health ResearchCanada Foundation for InnovationNational Institute of General Medical SciencesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésMeasure (data warehouse)Analytical UltracentrifugationNanoparticleMaterials scienceDrugNanotechnologyUltracentrifugeWavelengthChromatographyChemistryOptoelectronicsComputer scienceData miningPharmacologyMedicine

Résumé

récupéré en direct d'OpenAlex

Previous work suggested that lipid nanoparticle (LNP) formulations, encapsulating nucleic acids, display electron-dense morphology when examined by cryogenic-transmission electron microscopy (cryo-TEM). Critically, the employed cryo-TEM method cannot differentiate between loaded and empty LNP formulations. Clinically relevant formulations contain high lipid-to-nucleic acid ratios (10-25 (w/w)), and for systems that contain mRNA or DNA, it is anticipated that a substantial fraction of the LNP population does not contain a payload. Here, we present a method based on the global analysis of multi-wavelength sedimentation velocity analytical ultracentrifugation, using density matching with heavy water, that not only measures the standard sedimentation and diffusion coefficient distributions of LNP mixtures, but also reports the corresponding partial specific volume distributions and optically separates signal contributions from nucleic acid cargo and lipid shell. This makes it possible to reliably predict molar mass and anisotropy distributions, in particular, for systems that are heterogeneous in partial specific volume and have low to intermediate densities. Our method makes it possible to unambiguously measure the density of nanoparticles and is motivated by the need to characterize the extent to which lipid nanoparticles are loaded with nucleic acid cargoes. Since the densities of nucleic acids and lipids substantially differ, the measured density is directly proportional to the loading of nanoparticles. Hence, different loading levels will produce particles with variable density and partial specific volume. An UltraScan software module was developed to implement this approach for routine analysis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,251
Écart entre enseignants0,232 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations56
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS NanoMême sujetField-Flow Fractionation TechniquesTravaux en français237 207