AI-Validated Brain Targeted mRNA Lipid Nanoparticles with Neuronal Tropism
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Targeting therapeutic nanoparticles to the brain poses a challenge due to the restrictive nature of the blood–brain barrier (BBB). Here we report the development of mRNA-loaded lipid nanoparticles (LNPs) functionalized with BBB-interacting small molecules, thereby enhancing brain delivery and gene expression. Screening brain-targeted mRNA-LNPs in central nervous system (CNS) in vitro models and through intravenous administration in mice demonstrated that acetylcholine-conjugated LNPs achieved superior brain tropism and gene expression, outperforming LNP modifications with nicotine, glucose, memantine, cocaine, tryptophan, and other small molecules. An artificial intelligence (AI)-based model designed to predict the BBB permeability of small-molecule ligands showed strong alignment with our experimental results, providing in vivo validation of its predictive capacity. Cell-specific biodistribution analysis in Cre-reporter Ai9 mice showed that acetylcholine-functionalized LNPs preferentially transfected neurons and astrocytes following either intravenous or intracerebral administration. Mechanistic studies suggest that acetylcholine-LNP uptake is mediated by the functional engagement of acetylcholine receptors (AchRs) followed by endocytosis, which synergistically enhances intracellular mRNA delivery. Moreover, acetylcholine-LNPs successfully crossed a human BBB-on-a-chip model, enabling transgene expression in human iPSC-derived neurons. Their effective penetration and transfection in human brain organoids further support their potential activity in human-based systems. These findings establish a predictive and modular framework for engineering CNS-targeted LNPs, advancing precision gene delivery for brain disorders.
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 ».