Modulating the Nature of Ionizable Lipids and Number of Layers in Hyaluronan-Decorated Lipid Nanoparticles for In Vitro Delivery of RNAi
Notice bibliographique
Résumé
Lipid nanoparticles (LNPs) have established their position as nonviral vectors for gene therapy. Tremendous efforts have been made to modulate the properties of LNPs to unleash their full clinical potential. Among the strategies being pursued, the layer-by-layer (LbL) technique has gained considerable attention in the biomedical field. Illuminated by our previous work, here we investigate if the LbL approach could be used to modify the LNP cores formulated with three different ionizable lipids: DODMA, MC3, and DODAP. Additionally, we wondered if more than three layers could be loaded onto LNPs without disrupting their gene transfection ability. Taking advantage of physicochemical analysis, as well as uptake and gene silencing studies, we demonstrate the feasibility of modifying the surface of LNPs with the LbL assembly. Precisely, we successfully modified three different LNPs using the layer-by-layer strategy which abrogated luciferase activity in vitro. Additionally, we constructed a 5×-layered HA-LNP containing the MC3 ionizable lipid which outperformed the 3×-layered counterpart in transfecting miRNA-181-5p to the pediatric GBM cell line, as a proof-of-concept in vitro experiment. The method used herein has been proven reproducible, of easy modification to adapt to different ionizable lipid-containing LNPs, and holds great potential for the translation of RNA-based therapeutic strategies.
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 ».