Nanoparticles co-delivering siRNA and mRNA for simultaneous restoration and silencing of gene/protein expression <i>in vitro</i> and <i>in vivo</i>
Notice bibliographique
Résumé
Abstract RNA-based agents such as siRNA, miRNA, and mRNA can selectively manipulate gene expression/proteins and have the potential to revolutionize the current therapeutic strategies for various diseases, including cancer. To address the poor stability and inherent limitations of RNA agents, nanoparticle (NP) platforms have been developed to deliver functional mRNA or siRNA inside the cells. Recent studies have focused on either siRNA to knock down proteins causing drug resistance or mRNA technology to introduce tumor suppressors. However, complex diseases like cancer need multi-targeted approaches to selectively target multiple gene expressions/proteins. In this proof-of-concept study, we developed co-delivery nanoparticles containing Luc-mRNA and siRNA-GFP as model RNA agents ((M+S)-NPs) and assessed their effects in vitro and in vivo . Our studies show that NPs can effectively deliver both functional mRNA and siRNA together, simultaneously impacting the expression of two genes/proteins in vitro . Additionally, after in vivo administration, co-delivery NPs successfully knocked down GFP while introducing luciferase in a TNBC mouse model, indicating our NPs have the potential to develop RNA-based anticancer therapeutics. These studies pave the way to develop RNA-based, multitargeted, multi-delivery approaches for complex diseases like cancer. TOC
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 | 0,000 |
| 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 ».