Biodistribution of Therapeutic Small Interfering RNAs Delivered with Lipid-Substituted Polyethylenimine-Based Delivery Systems
Notice bibliographique
Résumé
Small interfering RNAs (siRNAs) have emerged as a powerful tool to manipulate gene expression in vitro . However, their potential therapeutic application encounters significant challenges, such as degradation in vivo, limited cellular uptake, and restricted biodistribution, among others. This study evaluates the siRNA delivery efficiency of three different lipid-substituted polyethylenimine (PEI)-based carriers, named Leu-Fect A–C, to different organs in vivo, including xenograft tumors, when injected into the bloodstream of mice. The siRNA analysis was undertaken by stem-loop RT-PCR, followed by qPCR or digital droplet PCR. Formulating siRNAs with a Leu-Fect series of carriers generated nanoparticles that effectively delivered the siRNAs into K652 and MV4–11 cells, both models of leukemia. The Leu-Fect carriers were able to successfully deliver BCR-Abl and FLT3 siRNAs into leukemia xenograft tumors in mice. All three carriers demonstrated significantly enhanced siRNA delivery into organs other than the liver, including the xenograft tumors. Preferential biodistribution of siRNAs was observed in the lungs and spleen. Among the delivery systems, Leu-Fect A exhibited the highest biodistribution into organs. In conclusion, lipid-substituted PEI-based delivery systems offer improvements in addressing pharmacokinetic challenges associated with siRNA-based therapies, thus opening avenues for their potential translation into clinical practice.
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 ».