Transient yet Robust Expression of Proteins in the Mouse Liver via Intravenous Injection of Lipid Nanoparticle-encapsulated Nucleoside-modified mRNA
Notice bibliographique
Résumé
With the recent availability of the SARS-CoV-2 mRNA-based vaccines, public attention has been drawn to this new technology and how it may be applied to other indications. Temporal activation of key hepatic regenerative pathways can induce liver regeneration, overcoming the lack of donor organs for liver transplantation and ineffectiveness of alternative treatments. Recombinant protein therapies and genetic therapies that target these pathways require frequent and repeated injections or, when integrated into the genome, may lead to deleterious effects. In contrast, nucleoside-modified mRNA encapsulated in lipid nanoparticles (mRNA-LNP) are non-integrative and induce transient yet robust expression of proteins that could serve as an ideal therapeutic tool to treat specific liver diseases. For instance, our recent publication in Nature Communications used mRNA-LNP to express hepatic mitogens, hepatocyte growth factor, and epidermal growth factor to induce liver regeneration following both acute and chronic liver injuries. Initial testing with firefly luciferase mRNA-LNP transfection and in vivo imaging confirmed specific hepatotropic delivery. In this protocol, we describe in detail the necessary steps to deliver mRNA-LNP to the murine liver and, following intravenous injection of eGFP mRNA-LNP, verify transfection efficiency using flow cytometry and liver cell specificity using immunofluorescence analyses. This procedure presents an unprecedented tool that can be customized with mRNA-LNP encoding any protein of interest to be expressed by virtually all hepatocytes, ~70% endothelial cells, and ~40% Kupffer cells for promoting liver function and/or regeneration.Graphic abstract:Experimental Design of mRNA-LNP IV Injection and Analysis of Liver Cell Specificity and Efficiency of Transfection (Created with BioRender.com)
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».