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