Light-Activated siRNA Endosomal Release (LASER) by Porphyrin Lipid Nanoparticles
Notice bibliographique
Résumé
Lipid nanoparticles (LNPs) have achieved clinical success in delivering small interfering RNAs (siRNAs) for targeted gene therapy. However, endosomal escape of siRNA into the cytosol remains a fundamental challenge for LNPs. Herein, we report a strategy termed light-activated siRNA endosomal release (LASER) to address this challenge. We established a porphyrin-LNP by incorporating porphyrin-lipids into the clinically approved Onpattro formulation. The porphyrin-LNP maintained the physical properties of an LNP and generated reactive oxygen species (ROS) when irradiated with near-infrared (NIR) light. Using confocal microscopy, we revealed that porphyrin-lipids within the LNP translocate to endosomal membranes during endocytosis. The translocated porphyrin-lipids generated ROS under light irradiation and enabled LASER through endosomal membranes disruption as observed through GAL-9 recruitment and transmission electron microscopy (TEM). By establishing a quantitative confocal imaging method, we confirmed that porphyrin-LNPs can increase siRNA endosomal escape efficiency by up to 2-fold via LASER and further enhance luciferase target knockdown by 4-fold more in luciferase-transfected prostate cancer cells. Finally, we formulated porphyrin-LNPs encapsulated with gold nanoparticles (GNP) and visualized the LASER effect within prostate tumors via TEM, confirming the light-activated endosomal membrane disruption and subsequent GNP release into cytosols in vivo . Overall, porphyrin-LNPs and the LASER approach enhanced siRNA endosomal escape and significantly improved knockdown efficacy. We believe the versatility of this technology could be applied to various LNP-based RNA therapeutics.
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 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 | 0,001 |
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 tête enseignante, 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 ».