Abstract 1808: Engineering lipid-polymer nanoparticles for siRNA delivery to breast cancer cells
Notice bibliographique
Résumé
Abstract RNA interference (RNAi) is a powerful tool that can specifically target the expression of virtually any protein without the expensive and time-consuming drug development studies. Despite the initial excitement and extensive efforts, the potential impact of RNAi approaches is yet to be materialized fully in clinical settings. This is mainly due to the challenges in delivering RNA molecules. Lipid nanoparticles (LNPs) have been the leading delivery system for nucleic acids, an achievement established by introducing the first FDA-approved small interfering RNA (siRNA) drug and COVID-19 vaccine to clinics. However, targeted delivery to a solid tumor still eludes the developed LNPs. On the other hand, polymers are among the oldest delivery systems for nucleic acids, and polyethyleneimine (PEI) was once considered the gold standard in nucleic acid delivery. In this study, we introduce a novel lipid-polymer nanoparticle (LPNP) platform, meticulously engineered for targeted delivery of siRNA to cells implicated in breast cancer. We hypothesized that specially designed low molecular weight PEIs can partially or completely replace the ionizable lipids for a more accommodating structure for additional moieties, which could lead to a safer and more efficient nucleic acid delivery. We first optimized the LNP formulations as a point of reference for cellular uptake, cytotoxicity, and protein silencing efficiency, employing sophisticated designs facilitated by the Design-Expert software. Leveraging the optimal LNP formulation, we integrated specifically designed cationic polymers as partial or complete replacements for the ionizable lipid. This methodological approach, incorporating optimal combined designs and response surface methodologies, refined the LPNPs to an optimal efficiency. Our results indicate that these refined LPNPs enhance the delivery of siRNA, leading to efficient gene silencing in targeted cancer cells. The improved delivery efficiency not only underscores the potential for specific therapeutic applications, but also suggests a broader utility for this platform in various cancer treatments. Citation Format: Abdulelah Alhazza, Arthur Manda, Hamidreza Montazeri Aliabadi, Hasan Uludag. Engineering lipid-polymer nanoparticles for siRNA delivery to breast cancer cells [abstract]. In: Proceedings of the American Association for Cancer Research Annual Meeting 2025; Part 1 (Regular Abstracts); 2025 Apr 25-30; Chicago, IL. Philadelphia (PA): AACR; Cancer Res 2025;85(8_Suppl_1):Abstract nr 1808.
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 | 0,001 |
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 ».