Lipid-siRNA Organization Modulates the Intracellular Dynamics of Lipid Nanoparticles
Notice bibliographique
Résumé
Lipid nanoparticles (LNPs) are widely used for delivering therapeutic nucleic acids, yet the relationship between their internal structure and intracellular behavior, particularly before RNA release, remains unclear. Here, we elucidate how lipid-siRNA organization within LNPs can modulate their intracellular delivery dynamics. We use cryo-electron microscopy and photochemical assays to reveal that increased siRNA loading can reduce helper lipids' distribution to the LNP surface, while siRNA consistently localizes near the surface. These alterations in lipid-siRNA organization affect LNP membrane fluidity, enhancing LNP fusion with cellular membranes and promoting cytosolic siRNA delivery, primarily via macropinocytosis. Using photosensitive lipids and live cell imaging, we demonstrate that lipid-siRNA organization regulates LNP responsiveness to external stimuli, significantly affecting siRNA endosomal escape efficiency upon light activation. We further confirm this observation using convex lens-induced confinement microscopy and single-particle imaging. Overall, our findings provide critical insights into how lipid-siRNA organization shapes LNP intracellular dynamics, offering rational design principles for optimizing LNP-based RNA 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 ».