Targeting lipid nanoparticles to the blood-brain barrier to ameliorate acute ischemic stroke
Notice bibliographique
Résumé
Effective delivery of mRNA or small molecule drugs to the brain is a significant challenge in developing treatment for acute ischemic stroke (AIS). To address the problem, we have developed targeted nanomedicine to increase drug concentrations in endothelial cells of the blood-brain barrier (BBB) of the injured brain. Inflammation during ischemic stroke causes continuous neuronal death and an increase in the infarct volume. To enable targeted delivery to the inflamed BBB, we conjugated lipid nanocarriers (NCs) with antibodies that bind cell adhesion molecules expressed at the BBB. In the transient middle cerebral artery occlusion mouse model, NCs targeted to vascular cellular adhesion molecule-1 (VCAM) achieved the highest level of brain delivery, nearly two orders of magnitude higher than untargeted ones. VCAM-targeted lipid nanoparticles with luciferase-encoding mRNA and Cre-recombinase showed selective expression in the ischemic brain. Anti-inflammatory drugs administered intravenously after ischemic stroke reduced cerebral infarct volume by 62% (interleukin-10 mRNA) or 35% (dexamethasone) only when they were encapsulated in VCAM-targeted NCs. Thus, VCAM-targeted lipid NCs represent a new platform for strongly concentrating drugs within the compromised BBB of penumbra, thereby ameliorating AIS.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».