Blood Distribution of SARS-CoV-2 Lipid Nanoparticle mRNA Vaccine in Humans
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Lipid nanoparticle mRNA vaccines are an exciting but emerging technology used in humans. There is limited understanding of the factors that influence their biodistribution and immunogenicity. Antibodies to poly(ethylene glycol) (PEG), which is on the surface of the lipid nanoparticle, are detectable in humans and boosted by human mRNA vaccination. We hypothesized that PEG-specific antibodies could increase the clearance of mRNA vaccines. To test this, we developed methods to quantify both the vaccine mRNA and ionizable lipid in frequent serial blood samples from 19 subjects receiving Moderna SPIKEVAX mRNA booster immunization. Both the vaccine mRNA and ionizable lipid peaked in blood 1–2 days post vaccination (median peak level 0.19 and 3.22 ng mL –1, respectively). The vaccine mRNA was detectable and quantifiable up to 14–15 days postvaccination in 37% of subjects. We measured the proportion of vaccine mRNA that was relatively intact in blood over time and found that the decay kinetics of the intact mRNA and ionizable lipid were identical, suggesting the intact lipid nanoparticle recirculates in blood. However, the decay rates of mRNA and ionizable lipids did not correlate with baseline levels of PEG-specific antibodies. Interestingly, the magnitude of mRNA and ionizable lipid detected in blood did correlate with the boost in the level of PEG antibodies. Furthermore, the ability of a subject’s monocytes to phagocytose lipid nanoparticles was inversely related to the rise in PEG antibodies. This suggests that the circulation of mRNA lipid nanoparticles into the blood and their clearance by phagocytes influence the PEG immunogenicity of the mRNA vaccines. Overall, this work defines the pharmacokinetics of lipid nanoparticle mRNA vaccine components in human blood after intramuscular injection and the factors that influence these processes. These insights should be valuable in improving the future safety and efficacy of lipid nanoparticle mRNA vaccines and therapeutics.
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 ».