Acid‐Responsive Polymer Additives Increase RNA Transfection from Lipid Nanoparticles
Notice bibliographique
Résumé
Abstract Lipid nanoparticles (LNPs) are the most clinically advanced RNA delivery technology, but their efficiency is limited by low RNA release after endosome disruption. To improve RNA release, an acid‐responsive polymer is synthesized with which to formulate LNPs for RNA encapsulation and release. Specifically, three acid‐responsive poly(lactic acid)‐ block‐ poly(carboxybetaine) zwitterionic derivatives are designed and synthesized that are cationic and complexed with RNA at pH 7.4, but are neutral following cleavage at endosomal pH, thereby having lower affinity to RNA. The polymers are formulated into each of the clinically approved Onpattro, Moderna, or Pfizer LNP formulations to produce hybrid polymer‐lipid nanoparticles (PLNPs). With the PLNPs, the IC 50 values of multiple small interfering RNAs (siRNAs) decreased up to 5.4‐fold compared to parent LNPs in several cell lines. Moreover, messenger RNA (mRNA) transfection increased up to two fold. The acid‐responsive polymers in PLNPs accounted for the enhanced RNA transfection as this phenomenon is lost with acid‐inert polymers. Confocal microscopy confirmed that cytosolic RNA concentration increased using the acid‐responsive polymers; conversely, uptake and endosomal escape are identical to existing LNPs. This confirmed that enhanced RNA transfection is due to increased RNA dissociation from its carrier. The novel polymer represents a versatile strategy to increase RNA transfection from LNPs.
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) | 0,002 | 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 ».