Modular Lipid Nanoparticle Platform Technology for siRNA and Lipophilic Prodrug Delivery
Notice bibliographique
Résumé
Successfully employing small interfering RNA (siRNA) therapeutics requires the use of nanotechnology for efficient intracellular delivery. Lipid nanoparticles (LNPs) have enabled the approval of various nucleic acid therapeutics. A major advantage of LNPs is the interchangeability of its building blocks and RNA payload, which allow it to be a highly modular system. In addition, drug derivatization approaches can be used to synthesize lipophilic small molecule prodrugs that stably incorporate in LNPs. This provides ample opportunities to develop combination therapies by co-encapsulating multiple therapeutic agents in a single formulation. Here, it is described how the modular LNP platform is applied for combined gene silencing and chemotherapy to induce additive anticancer effects. It is shown that various lipophilic taxane prodrug derivatives and siRNA against the androgen receptor, a prostate cancer driver, can be efficiently and stably co-encapsulated in LNPs without compromising physicochemical properties or gene-silencing ability. Moreover, it is demonstrated that the combination therapy induces additive therapeutic effects in vitro. Using a double-radiolabeling approach, the pharmacokinetic properties and biodistribution of LNPs and prodrugs following systemic administration in tumor-bearing mice are quantitatively determined. These results indicate that co-encapsulating siRNA and lipophilic prodrugs into LNPs is an attractive and straightforward plug-and-play approach for combination therapy development.
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) | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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 ».