MétaCan
Menu
Retour à la cohorte
Enregistrement W4393270582 · doi:10.2147/ijn.s448005

Lipid Nanoparticle-Based Inhibitors for SARS-CoV-2 Host Cell Infection

2024· article· en· W4393270582 sur OpenAlexafffund
Vinith Yathindranath, Nura Safa, Mateusz M. Tomczyk, Vernon W. Dolinsky, Donald W. Miller

Notice bibliographique

RevueInternational Journal of Nanomedicine · 2024
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiqueAdvanced Drug Delivery Systems
Établissements canadiensChildren's Hospital Research Institute of ManitobaUniversity of ManitobaManitoba HealthHealth Sciences Centre
Organismes subventionnairesMitacsResearch Manitoba
Mots-clésCytotoxicityMonoclonal antibodyChemistryCell cultureAntibodyVirologyBiochemistryIn vitroMedicineBiologyImmunology

Résumé

récupéré en direct d'OpenAlex

Purpose: The global pandemic caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) and the lingering threat to public health has fueled the search for effective therapeutics to treat SARS-CoV-2. This study aimed to develop lipid nanoparticle (LNP) inhibitors of SARS-CoV-2 entry to reduce viral infection in the nose and upper airway. Methods: Two types of LNP formulations were prepared following a microfluidic mixing method. The LNP-Trap consisted of DOPC, DSPC, cholesterol, and DSPE-PEG-COOH modified with various spike protein binding ligands, including ACE2 peptide, recombinant human ACE2 (rhACE2) or monoclonal antibody to spike protein (mAb). The LNP-Trim consisted of ionizing cationic DLin-MC3-DMA, DSPC, cholesterol, and DMG-PEG lipids encapsulating si ACE2 or si TMPRSS2 . Both formulations were assayed for biocompatibility and cell uptake in airway epithelial cells (Calu-3). Functional assessment of activity was performed using SARS-CoV-2 spike protein binding assays (LNP-Trap), host receptor knockdown (LNP-Trim), and SARS-CoV-2 pseudovirus neutralization assay (LNP-Trap and LNP-Trim). Localization and tissue distribution of fluorescently labeled LNP formulations were assessed in mice following intranasal administration. Results: Both LNP formulations were biocompatible based on cell impedance and MTT cytotoxicity studies in Calu-3 cells at concentrations as high as 1 mg/mL. LNP-Trap formulations were able to bind spike protein and inhibit pseudovirus infection by 90% in Calu-3 cells. LNP-Trim formulations reduced ACE2 and TMPRSS2 at the mRNA (70% reduction) and protein level (50% reduction). The suppression of host targets in Calu-3 cells treated with LNP-Trim resulted in over 90% inhibition of pseudovirus infection. In vivo studies demonstrated substantial retention of LNP-Trap and LNP-Trim in the nasal cavity following nasal administration with minimal systemic exposure. Conclusion: Both LNP-Trap and LNP-Trim formulations were able to safely and effectively inhibit SARS-CoV-2 pseudoviral infection in airway epithelial cells. These studies provide proof-of-principle for a localized treatment approach for SARS-CoV-2 in the upper airway. Keywords: lipid nanoparticles, SARS-CoV-2, antiviral, gene knockdown, intranasal drug delivery

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,489
Score d'incertitude au seuil0,531

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,089
Tête enseignante GPT0,450
Écart entre enseignants0,361 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of NanomedicineMême sujetAdvanced Drug Delivery SystemsTravaux en français237 207