Enhancing peptide and PMO delivery to mouse airway epithelia by chemical conjugation with the amphiphilic peptide S10
Notice bibliographique
Résumé
Delivery of antisense oligonucleotides (ASOs) to airway epithelial cells is arduous due to the physiological barriers that protect the lungs and the endosomal entrapment phenomenon, which prevents ASOs from reaching their intracellular targets. Various delivery strategies involving peptide-, lipid-, and polymer-based carriers are being investigated, yet the challenge remains. S10 is a peptide-based delivery agent that enables the intracellular delivery of biomolecules such as GFP, CRISPR-associated nuclease ribonucleoprotein (RNP), base editor RNP, and a fluorescent peptide into lung cells after intranasal or intratracheal administrations to mice, ferrets, and rhesus monkeys. Herein, we demonstrate that covalently attaching S10 to a fluorescently labeled peptide or a functional splice-switching phosphorodiamidate morpholino oligomer improves their intracellular delivery to airway epithelia in mice after a single intranasal instillation. Data reveal a homogeneous delivery from the trachea to the distal region of the lungs, specifically into the cells lining the airway. Quantitative measurements further highlight that conjugation via a disulfide bond through a pegylated (PEG) linker was the most beneficial strategy compared with direct conjugation (without the PEG linker) or conjugation via a permanent thiol-maleimide bond. We believe that S10-based conjugation provides a great strategy to achieve intracellular delivery of peptides and ASOs with therapeutic properties in lungs.
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 ».