IL7 increases targeted lipid nanoparticle–mediated mRNA expression in T cells in vitro and in vivo by enhancing T cell protein translation
Notice bibliographique
Résumé
The use of lipid nanoparticles (LNP) to encapsulate and deliver mRNA has become an important therapeutic advance. In addition to vaccines, LNP-mRNA can be used in many other applications. For example, targeting the LNP with anti-CD5 antibodies (CD5/tLNP) can allow for efficient delivery of mRNA payloads to T cells to express protein. As the percentage of protein expressing T cells induced by an intravenous injection of CD5/tLNP is relatively low (4-20%), our goal was to find ways to increase mRNA-induced translation efficiency. We showed that T cell activation using an anti-CD3 antibody improved protein expression after CD5/tLNP transfection in vitro but not in vivo. T cell health and activation can be increased with cytokines, therefore, using mCherry mRNA as a reporter, we found that culturing either mouse or human T cells with the cytokine IL7 significantly improved protein expression of delivered mRNA in both CD4 + and CD8 + T cells in vitro. By pre-treating mice with systemic IL7 followed by tLNP administration, we observed significantly increased mCherry protein expression by T cells in vivo. Transcriptomic analysis of mouse T cells treated with IL7 in vitro revealed enhanced genomic pathways associated with protein translation. Improved translational ability was demonstrated by showing increased levels of protein expression after electroporation with mCherry mRNA in T cells cultured in the presence of IL7, but not with IL2 or IL15. These data show that IL7 selectively increases protein translation in T cells, and this property can be used to improve expression of tLNP-delivered mRNA in vivo.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 ».