Delivery vehicle and route of administration influences self-amplifying RNA biodistribution, expression kinetics, and reactogenicity
Notice bibliographique
Résumé
Self-amplifying RNA (saRNA) is a next-generation RNA platform derived from an alphavirus that enables replication in host cytosol, offering a promising shift from traditional messenger RNA (mRNA) therapies by enabling sustained protein production from minimal dosages. The approval of saRNA-based vaccines, such as the ARCT-154 for COVID-19 in Japan, underscores its potential for diverse therapeutic applications, including vaccine development, cancer immunotherapy, and gene therapy. This study investigates the role of delivery vehicle and administration route on saRNA expression kinetics and reactogenicity. Employing ionizable lipid-based nanoparticles (LNPs) and polymeric nanoparticles, we administered saRNA encoding firefly luciferase to BALB/c mice through six routes (intramuscular (IM), intradermal (ID), intraperitoneal (IP), intranasal (IN), intravenous (IV), and subcutaneous (SC)), and observed persistent saRNA expression over a month. Our findings reveal that while LNPs enable broad route applicability and stability, pABOL (poly (cystamine bisacrylamide-co-4-amino-1-butanol)) formulations significantly amplify protein expression via intramuscular delivery. Notably, the disparity between RNA biodistribution and protein expression highlight the nuanced interplay between administration routes, delivery vehicles, and therapeutic outcomes. Additionally, our research unveiled distinct biodistribution profiles and inflammatory responses contingent upon the chosen delivery formulation and route. This research illuminates the intricate dynamics governing saRNA delivery, biodistribution and reactogenicity, offering essential insights for optimizing therapeutic strategies and advancing the clinical and commercial viability of saRNA technologies.
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 | 0,001 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».