Lipid Nanoparticle Library Towards Development of Next Generation Genomic Medicines
Notice bibliographique
Résumé
Ionizable amino lipids are a major constituent of the lipid nanoparticles for delivering nucleic acid therapeutics (e.g., DLin-MC3-DMA in ONPATTRO®, ALC-0315 in Comirnaty®, SM-102 in Spikevax®). Scarcity of lipids that are suitable for cell therapy, vaccination, and gene therapies continue to be a problem in advancing many potential diagnostic/therapeutic/vaccine candidates to the clinic. Herein, we describe the development of novel ionizable lipids to be used as functional excipients for designing vehicles for nucleic acid therapeutics/vaccines in vivo or ex vivo use in cell therapy applications. We first studied the transfection efficiency (TE) of LNP-based mRNA formulations of these ionizable lipid candidates in primary human T cells and established a workflow for engineering of primary immune T cells. We then adapted this workflow towards bioengineering of CAR constructs to T cells towards non-viral CAR T therapy. Lipids were also tested in rodents for vaccine applications using self-amplifying RNA (saRNA) encoding various antigens. We have then evaluated various ionizable lipid candidates and their biodistribution along with the mRNA/DNA translation exploration using various LNP compositions. Further, using ionizable lipids from the library, we have shown gene editing of various targets in rodents. We believe that these studies will pave the path to the advancement in nucleic acid based therapeutics and vaccines, or cell & gene therapy agents for early diagnosis and detection of cancer, and for targeted genomic medicines towards cancer treatment and diagnosis.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».