Preliminary Evaluation of Formulations for Stability of mRNA-LNPs Through Freeze-Thaw Stresses and Long-Term Storage
Notice bibliographique
Résumé
Ionizable lipid nanoparticles were a crucial contribution to the effective packaging and delivery of mRNA informational drugs for vaccines and therapeutic applications. However, thermal instability and the need for ultracold storage present significant challenges during distribution and administration, even during non-pandemic periods like epidemics. Ongoing efforts include engineering novel lipids or optimizing mRNA-LNP formulations with different buffers, excipients, and surfactants to enable extended storage at room temperature (RT) or refrigerated conditions (4 ˚C). Methods: In this study, six sugar-surfactant excipient combinations in tris buffer were evaluated for extending the stability of mRNA-LNPs. The experimentation included two phases of screening: first, the evaluation of six formulations under repeated freeze-thaw (−20 °C) cycles, and second, a long-term storage evaluation of the best formulations at RT, 4 °C, − 20 °C and −80 °C. LNPs were formulated with the ionizable lipids ALC-0315 or SM-102. Results: Sucrose-P188 and mannitol-F127 combinations effectively preserved physicochemical properties like encapsulation efficiency (EE), polydispersity index (PDI), and z-average (size) of mRNA-LNPs. Surfactants in the screened formulations reduced the aggregation of LNPs. Storage at −20 °C with sucrose-P188 extended LNP stability beyond ultra-low temperature requirements, showing potential for removing logistical hurdles to improve global delivery by eliminating the need for ultracold storage. Excipients in non-frozen conditions preserved the LNP quality attributes, but the RNA integrity was affected. On the other hand, mRNA degradation was minimized when frozen, but LNP quality was affected, underscoring the challenging trade-off during storage condition optimization. Conclusions: This work highlights the potential of improved formulations to preserve mRNA-LNP functionality and emphasizes the need for further systematic studies on a library of excipient and surfactant combinations, paving the way for stable storage under less stringent conditions.
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 | 0,001 |
| 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 | 0,001 |
| 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 ».