Divergent Delivery and Expression Kinetics of Lipid and Polymeric Nanoparticles across mRNA Modalities
Notice bibliographique
Résumé
Messenger ribonucleic acid (mRNA)-based therapies, including conventional linear mRNA (linRNA), circular RNA (circRNA), and self-amplifying RNA (saRNA), are being developed not only for vaccination but also for protein replacement, gene editing, and regenerative medicine. However, these mRNA modalities differ in structure and function, and their interactions with current non-viral delivery systems influence their therapeutic efficacy. Here, the in vivo expression kinetics of linRNA, circRNA, and saRNA delivered via lipid nanoparticles (LNPs) or bioreducible poly(cystamine bisacrylamide-co-4-amino-1-butanol) (pABOL) polymer are systematically evaluated. At 0.5 µg, Venezuelan equine encephalitis virus (VEEV)-based saRNA resulted in higher total luciferase expression than 5 µg of linRNA or circRNA highlighting its superior potency. LNPs significantly enhanced expression of non-amplifying mRNAs compared to pABOL, whereas pABOL delivery of saRNA yielded a ∼2-fold improvement over LNPs. Furthermore, saRNAs derived from New World alphaviruses expressed 2-6 times more protein than Old World saRNAs when delivered with LNPs; these differences are not observed with pABOL. These findings demonstrate that mRNA modality, saRNA genotype, and delivery platform interact to determine therapeutic protein output. This study provides actionable insights for optimizing mRNA-based therapeutics across diverse clinical applications.
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) | 0,000 | 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 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 ».