Combinatorial design of ionizable lipid nanoparticles for muscle-selective mRNA delivery with minimized off-target effects
Notice bibliographique
Résumé
Ionizable lipid nanoparticles (LNPs) pivotal to the success of COVID-19 mRNA (messenger RNA) vaccines hold substantial promise for expanding the landscape of mRNA-based therapies. Nevertheless, the risk of mRNA delivery to off-target tissues highlights the necessity for LNPs with enhanced tissue selectivity. The intricate nature of biological systems and inadequate knowledge of lipid structure-activity relationships emphasize the significance of high-throughput methods to produce chemically diverse lipid libraries for mRNA delivery screening. Here, we introduce a streamlined approach for the rapid design and synthesis of combinatorial libraries of biodegradable ionizable lipids. This led to the identification of iso-A11B5C1, an ionizable lipid uniquely apt for muscle-specific mRNA delivery. It manifested high transfection efficiencies in muscle tissues, while significantly diminishing off-targeting in organs like the liver and spleen. Moreover, iso-A11B5C1 also exhibited reduced mRNA transfection potency in lymph nodes and antigen-presenting cells, prompting investigation into the influence of direct immune cell transfection via LNPs on mRNA vaccine effectiveness. In comparison with SM-102, while iso-A11B5C1's limited immune transfection attenuated its ability to elicit humoral immunity, it remained highly effective in triggering cellular immune responses after intramuscular administration, which is further corroborated by its strong therapeutic performance as cancer vaccine in a melanoma model. Collectively, our study not only enriches the high-throughput toolkit for generating tissue-specific ionizable lipids but also encourages a reassessment of prevailing paradigms in mRNA vaccine design. This study encourages rethinking of mRNA vaccine design principles, suggesting that achieving high immune cell transfection might not be the sole criterion for developing effective mRNA vaccines.
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 ».