The Internal Nanostructure of Lipid Nanoparticles Influences Their Diverse Cellular Uptake Pathways
Notice bibliographique
Résumé
Lipid nanoparticles have emerged as critical platforms for bioactive agent delivery, with their success in COVID-19 vaccines highlighting the urgent need to address gaps in understanding their biological interactions. Lyotropic liquid crystalline nanoparticles (LLCNPs) represent promising nanocarriers for bioactive agent delivery. In this study, it is revealed for the first time how internal nanostructures of LLCNPs - liposomes, cubosomes, hexosomes, and micellar cubosomes - influence their cellular uptake pathways. By isolating the effects of mesophase while maintaining consistent particle size, charge, and surface coating, it is demonstrated that non-lamellar LLCNPs, particularly cubosomes, significantly enhance cellular uptake via distinct endocytic and non-endocytic mechanisms. These nanoparticles predominantly utilize passive non-endocytic pathways, such as membrane fusion, bypassing endocytic recycling challenges faced by most nanomaterials, including lamellar liposomes. Among active endocytic pathways, macropinocytosis emerges as the dominant route for non-lamellar particles. The findings establish a direct link between LLCNP internal nanostructure and cellular internalization mechanisms, highlighting the critical role of mesophase design in optimizing nanocarrier performance. This knowledge enables the rational engineering of LLCNPs tailored to target specific uptake pathways, facilitating precision delivery for diverse therapeutic applications and addressing key barriers in intracellular drug transport.
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 ».