pH‐Dependent Lyotropic Liquid Crystalline Mesophase and Ionization Behavior of Phytantriol‐Based Ionizable Lipid Nanoparticles
Notice bibliographique
Résumé
Abstract Self‐assembled lipid nanoparticles (LNPs), serving as essential nanocarriers in recent COVID‐19 mRNA vaccines, provide a stable and versatile platform for delivering a wide range of biological materials. Notably, LNPs with unique inverse mesostructures, such as cubosomes and hexosomes, are recognized as fusogenic nanocarriers in the drug delivery field. This study delves into the physicochemical properties, including size, lyotropic liquid crystalline mesophase, and apparent pK a of LNPs with various lipid components, consisting of two ionizable lipids (ALC‐0315 and SM‐102) used in commercial COVID‐19 mRNA vaccines and a well‐known inverse mesophase structure‐forming helper lipid, phytantriol (PT). Two partial mesophase diagrams are generated for both ALC‐0315/PT LNPs and SM‐102/PT LNPs as a function of two factors, ionizable lipid ratio (α, 0–100 mol%) and pH condition (pH 3–11). Furthermore, the impact of different LNP stabilizers (Pluronic F127, Pluronic F108, and Tween 80) on their pH‐dependent phase behavior is evaluated. The findings offer insights into the self‐assembled mesostructure and ionization state of the studied LNPs with potentially enhanced endosomal escape ability. This research is relevant to developing innovative next‐generation LNP systems for delivering various therapeutics.
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 ».