MétaCan
Menu
← Retour à la cohorte
Enregistrement W4389248538 · doi:10.1182/blood-2023-185007

Non-Viral RNA-Lipid Nanoparticles for High Efficiency Genome Editing of CD34+ Hematopoietic Stem and Progenitor Cells for Advanced Cell and Gene Therapies

2023· article· en· W4389248538 sur OpenAlexaff
Reka Geczy, Stella Park, M. S. Swaminathan, Nikita Jain, A.M. Thomas, Angela Zhang, Samuel Clarke

Notice bibliographique

RevueBlood · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensPrecision Nanosystems (Canada)
Organismes subventionnairesnon disponible
Mots-clésProgenitor cellHaematopoiesisStem cellCD34BiologyCord bloodGene deliveryHematopoietic stem cellGenetic enhancementCell biologyMolecular biologyImmunologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Background and Aims: The application of CRISPR-Cas9 gene editing in hematopoietic stem (HSC) and progenitor cells (HSPCs) has the potential to revolutionize the treatment of genetic blood disorders by correcting disease-causing mutations. Previously, we demonstrated the utility of a novel lipid nanoparticle (LNP) reagent for the multiplexed engineering of gene-edited CAR T cells, showing high cell viabilities, rapid onset editing, and potent CAR-mediated killing. In this current work, we demonstrate the capability of LNPs for the efficient and gentle delivery of genetic material to CD34+ HSPCs. The benefits of a non-viral LNP-mediated approach paves the way for the development of next generation gene therapy products in the HSC field. Methods: LNPs encapsulating S.p. Cas9 mRNA and CD33 or CD45 targeted guide RNA (sgRNA) were produced using the scalable NanoAssemblr® NxGen™ microfluidic platform technology ( Fig. 1A). The LNP composition was optimized for the gentle and efficient cargo delivery to HSC/HSPCs. Purified human CD34+ cells were cultured, stimulated, and treated by the direct addition of the RNA-LNPs. Various commercial cell sources were tested including mobilized peripheral blood and cord blood. Gene knockout and viability were assessed using flow cytometry, cell proliferation using an automated cell counter, and differentiation capacity by colony-forming unit (CFU) assays. Results: One-step addition of LNPs to CD34+ HSPCs resulted in 84 ± 6% CD33 and 81 ± 2% CD45 knockout efficiencies (n=6 CD34+ donors, Fig. 1B). After treatment, cells maintained on average 95 ± 3% absolute cell viability, compared to 99% viability of the untreated cells, Fig. 1C. Furthermore, LNP treated HSCs maintained excellent cell proliferation, with over >90% relative cell proliferation to the untreated controls. The CFU assays showed no significant change in relative lineage formation for both the RNA-LNPs and the empty LNP vehicle control ( Fig. 1D). Finally, LNP production was successfully scaled-up using microfluidics from discovery to pre-clinical scales. Conclusions: LNP-mediated CRISPR-Cas9 mRNA delivery is a promising approach for gene editing in HSPCs. The simple and gentle nature of LNP cell treatment allows for multiple genetic engineering steps for simultaneous expression and deletion of proteins for novel gene therapies. Furthermore, LNPs can be easily manufactured using microfluidics, enabling small-scale screening of RNA libraries and rapid scale-up for clinical translation.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,005
Tête enseignante GPT0,235
Écart entre enseignants0,230 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBlood→Même sujetCRISPR and Genetic Engineering→Travaux en français237 207→