Construction of Multi‐Module RNA Nanoparticles Harboring miRNA, AIE, and CH6 Aptamer for Bone Targeting and Bone Anabolic Therapy
Notice bibliographique
Résumé
Abstract Bone healing remains a major challenge in the treatment of osteoporosis. Effective strategies that simultaneously promote bone formation and inhibit bone resorption are crucial for the treatment of osteoporosis and associated bone defects. MicroRNA (miRNA)‐based approaches aim at simultaneously promoting bone formation and suppressing bone resorption and have therapeutic potential. However, the toxicity of cationic carriers and off‐target effects are two major challenges associated with miRNA delivery. This study establishes a bone‐targeting miRNA delivery system (CH6‐SNA‐26a) that integrates aggregation‐induced emission (AIE), a CH6 aptamer, and miRNAs into a single nanoplatform without any cationic carrier. In this system, an AIE molecule is coupled to miR‐26a to form a core–shell spherical nucleic acid (SNA‐26a). The CH6 aptamer is co‐assembled with the SNA to achieve specific miR‐26a delivery to the bone surface. This aptamer‐functionalized, non‐cationic miR‐26a delivery strategy (CH6‐SNA‐26a) enables both bone‐targeted delivery and high transfection efficiency, ultimately optimizing bone remodeling and calvarial bone healing in an osteoporosis mouse model while limiting adverse effects in non‐skeletal tissues. Mechanistically, the overexpression of CH6‐SNA‐26a in skeletal tissues promotes bone anabolic action by functionally targeting glycogen synthase kinase 3 beta in bone marrow mesenchymal stem cells and cellular communication network 2 in osteoclasts.
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 | 0,000 | 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) | 0,000 | 0,000 |
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.
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 ».