Rational design and modular synthesis of biodegradable ionizable lipids via the Passerini reaction for mRNA delivery
Notice bibliographique
Résumé
The ionizable lipid component of lipid nanoparticle (LNP) formulations is essential for mRNA delivery by facilitating endosomal escape. Conventionally, these lipids are synthesized through complex, multistep chemical processes that are both time-consuming and require significant engineering. Furthermore, the development of new ionizable lipids is hindered by a limited understanding of the structure-activity relationships essential for effective mRNA delivery. In this work, we have developed a modular platform utilizing the Passerini reaction to rapidly generate large, chemically diverse libraries of biodegradable ionizable lipids. This high-throughput approach enables the systematic exploration of various lipid components-head groups, tails, and spacers-and their impacts on mRNA delivery efficiency. By investigating the hydrogen bonding potential between the lipid's head groups and the mRNA's ribose phosphate complex, we found that optimizing the methylene units between the lipid's head groups and linkages could enhance endosomal escape and, consequently, mRNA delivery efficiencies. Leveraging this insight, our platform has led to the identification of the biodegradable ionizable lipid A4B4-S3, which outperforms the current clinical benchmark, SM-102, in gene editing efficacy in mouse liver following systemic administration and demonstrates the promise for repeat-dose protein replacement treatments. This work not only offers a rapid, scalable method for ionizable lipid synthesis but also deepens our understanding of their structure-activity relationships, paving the way for more effective mRNA 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 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 | 0,001 | 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 ».