Unsaturated, Trialkyl Ionizable Lipids are Versatile Lipid‐Nanoparticle Components for Therapeutic and Vaccine Applications
Notice bibliographique
Résumé
Lipid nanoparticles (LNPs) have proven a successful platform for the delivery of nucleic acid (NA)-based therapeutics and vaccines, with the ionizable lipid component playing a key role in modulating potency and tolerability. Here, a library of 16 novel ionizable lipids is screened hypothesizing that short, branched trialkyl hydrophobic domains can improve LNP fusogenicity or endosomal escape, and potency. LNPs formulated with the top-performing trialkyl lipid (Lipid 10) encapsulating transthyretin siRNA elicit significantly greater gene silencing and are better tolerated than those with the benchmark Onpattro lipid DLin-MC3-DMA. Lipid 10 also demonstrates superior liver delivery of mRNA when compared to other literature ionizable lipids, is well tolerated, and successfully repeat-doses in nonhuman primates. In a prime-boost hemagglutinin rodent vaccine model, intramuscular administration of Lipid-10 LNP elicits comparable or better antibody titers to the SM-102 and ALC-0315 lipid compositions used in the U.S. Food and Drug Administration approved mRNA COVID vaccines. These data suggest that Lipid 10 is a particularly versatile ionizable lipid, well-suited for both systemic therapeutic and intramuscular vaccine applications and able to successfully deliver diverse NA payloads.
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 | 0,001 |
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 ».