MétaCan
Menu
Retour à la cohorte
Enregistrement W4389964900 · doi:10.1016/j.copbio.2023.103049

Immune response to the components of lipid nanoparticles for ribonucleic acid therapeutics

2023· article· en· W4389964900 sur OpenAlexaff
Sunny P. Chen, Anna K. Blakney

Notice bibliographique

RevueCurrent Opinion in Biotechnology · 2023
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensUniversity of British ColumbiaCanada's Michael Smith Genome Sciences Centre
Organismes subventionnairesnon disponible
Mots-clésImmune systemPolyethylene glycolChemistrySolid lipid nanoparticleDrug deliveryFlexibility (engineering)PhospholipidLipid metabolismNanotechnologyDrugBiochemistryPharmacologyBiologyImmunologyMaterials scienceMembraneOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Ribonucleic acid therapeutics have advantages over biologics and small molecules, including lower safety risks, cheaper costs, and extensive targeting flexibility, which is rapidly fueling the expansion of the field. This is made possible by breakthroughs in the field of drug delivery, wherein lipid nanoparticles (LNPs) are one of the most clinically advanced systems. LNP formulations that are currently approved for clinical use typically contain an ionizable cationic lipid, a phospholipid, cholesterol, and a polyethylene glycol-lipid; each contributes to the stability and/or effectiveness of LNPs. In this review, we discuss the immunomodulatory effects associated with each of the lipid components. We highlight several studies in which the components of LNPs have been implicated in cellular sensing and explore the pathways involved.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,224
Score d'incertitude au seuil0,344

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,061
Tête enseignante GPT0,337
Écart entre enseignants0,276 · 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 tête enseignante, 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

Citations57
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in BiotechnologyMême sujetRNA Interference and Gene DeliveryTravaux en français237 207