High-Throughput Quantification and Characterization of Dual Payload mRNA/LNP Cargo via Deformulating Size Exclusion and Ion Pairing Reversed Phase Assays
Notice bibliographique
Résumé
Therapeutic drugs and multivalent vaccines based on the delivery of mRNA via lipid nanoparticle (LNP) technologies are expected to dominate the biopharmaceutical industry landscape in the coming years. Many of these innovative therapies include several nucleic acid components (e.g., nuclease mRNA and guide RNA) posing unique analytical challenges when monitoring the quantity and quality of each individual payload substance in the formulated LNP. Current methods were optimized for single payload analysis and often lack resolving power needed to investigate nucleic acid mixtures. Ion pairing reversed phase (IP-RP) and size exclusion chromatography (SEC) are increasingly being used to characterize nucleic acids. Here, we studied their application for payload quantification in formulated LNP drug-like products. Using a detergent to disrupt the LNPs, the liberated payloads can be separated on an octadecyl RP column using a fast gradient. Reproducible results were obtained as lipids, and surfactants were efficiently eluted using a high organic solvent wash protocol. Alternatively, we also established an online SEC disruption analysis of the mRNA/LNPs wherein an alcohol and detergent containing a mobile phase was applied. Such conditions universally deformulated all tested LNP samples, indicating that a 5 min-long SEC separation can be used as a high-throughput platform method. In both approaches, the measurements facilitate a multiattribute analysis. Apart from quantitation, the characterization of specific impurities is achieved: IP-RP reveals mRNA-lipid adducts, while SEC informs on size variants, which in turn reduces a laboratory's analytical workload. These easy-to-adopt LC-based assays are expected to fortify the analytical toolbox for emerging gene 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 | 0,000 | 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 ».