Targeting lipid nanoparticles to the blood brain barrier to ameliorate acute ischemic stroke
Notice bibliographique
Résumé
After more than 100 failed drug trials for acute ischemic stroke (AIS), one of the most commonly cited reasons for the failure has been that drugs achieve very low concentrations in the at-risk penumbra. To address this problem, here we employ nanotechnology to significantly enhance drug concentration in the penumbra's blood-brain barrier (BBB), whose increased permeability in AIS has long been hypothesized to kill neurons by exposing them to toxic plasma proteins. To devise drug-loaded nanocarriers targeted to the BBB, we conjugated them with antibodies that bind to various cell adhesion molecules on the BBB endothelium. In the transient middle cerebral artery occlusion (tMCAO) mouse model, nanocarriers targeted with VCAM antibodies achieved the highest level of brain delivery, nearly 2 orders of magnitude higher than untargeted ones. VCAM-targeted lipid nanoparticles loaded with either a small molecule drug (dexamethasone) or mRNA (encoding IL-10) reduced cerebral infarct volume by 35% or 73%, respectively, and both significantly lowered mortality rates. In contrast, the drugs delivered without the nanocarriers had no effect on AIS outcomes. Thus, VCAM-targeted lipid nanoparticles represent a new platform for strongly concentrating drugs within the compromised BBB of penumbra, thereby ameliorating AIS. Graphical abstract: Acute ischemic stroke induces upregulation of VCAM. We specifically targeted upregulated VCAM in the injured region of the brain with drug- or mRNA-loaded targeted nanocarriers. Nanocarriers targeted with VCAM antibodies achieved the highest brain delivery, nearly orders of magnitude higher than untargeted ones. VCAM-targeted nanocarriers loaded with dexamethasone and mRNA encoding IL-10 reduced infarct volume by 35% and 73%, respectively, and improved survival rates.
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 | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».