Trends in the synthetic polymer delivery of RNA
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Ribonucleic acid (RNA) has emerged as one of the most promising therapeutic payloads in the field of gene therapy. There are many unique types of RNA that allow for a range of applications including vaccination, protein replacement therapy, autoimmune disease treatment, gene knockdown and gene editing. However, RNA triggers the host immune system, is vulnerable to degradation and has a low proclivity to enter cells spontaneously. Therefore, a delivery vehicle is required to facilitate the protection and uptake of RNA therapeutics into the desired host cells. Lipid nanoparticles have emerged as one of the only clinically approved vehicles for genetic payloads, including in the COVID-19 messenger RNA vaccines. While lipid nanoparticles have distinct advantages, they also have drawbacks, including strong immune stimulation, complex manufacturing and formulation heterogeneity. In contrast, synthetic polymers are a widely studied group of gene delivery vehicles and boast distinct advantages, including biocompatibility, tunability, inexpensiveness, simple formulation and ease of modification. Some classes of polymers enhance efficient transfection efficiency, and lead to lower stimulation of the host immune system, making them more viable candidates for non-vaccine-related applications of RNA medicines. This review aims to identify the most promising classes of synthetic polymers, summarize recent research aimed at moving them into the clinic and postulate the future steps required for unlocking their full potential.
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.
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 | 0,001 | 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 découle