MétaCan
Menu
Retour à la cohorte
Enregistrement W4415255015 · doi:10.1016/j.jconrel.2025.114301

Music enhances lipid nanoparticle brain delivery and mRNA transfection in brain cells

2025· article· en· W4415255015 sur OpenAlexfundno aff
Patricia Mora‐Raimundo, Alon Gilon, Haim Kadosh, Yuval Richtman, Mor Sela, Shanny Ackerman, Gal Chen, Ravit Abel, Shaked Kagan, Noga Sharf‐Pauker, Or Gigi, Hanan Abumanhal-Masarweh, Utkarsh Tripathi, Malak Saada, Aviram Shemen, Daphna Link‐Sourani, Jeny Shklover, Rola Farah, Tzipi Horowitz‐Kraus, Marilena Hadjidemetriou, Kostas Kostarelos, Shani Stern, Avi Schroeder

Notice bibliographique

RevueJournal of Controlled Release · 2025
Typearticle
Langueen
DomainePsychology
ThématiqueMusic Therapy and Health
Établissements canadiensnon disponible
Organismes subventionnairesNational Federation of the Blind of IllinoisEuropean Research CouncilCenter for Life SciencesIslamic Scholarship FundHORIZON EUROPE European Research CouncilAzrieli FoundationIsrael Science FoundationRothschild Caesarea FoundationTeva Pharmaceutical IndustriesMinistry of Science, Technology and SpaceEuropean Commission
Mots-clésTransfectionThalamusGene expressionMessenger RNAMidbrainStimulationCytoskeleton

Résumé

récupéré en direct d'OpenAlex

Delivering therapeutic agents to the brain, particularly to neurons, is crucial for advancing treatments for neurological diseases. In this study, we introduce a non-invasive approach using music to enhance the delivery of lipid nanoparticles (LNPs) to the brain, potentially improving drug uptake. While LNPs have demonstrated significant potential in systemic delivery, various strategies have been explored to enhance their brain delivery. Here, we investigate the potential of audible sound waves, i.e., music, to enhance nanoparticle neuronal uptake and brain penetration. We tested different sounds across frequency ranges: low (10-250 Hz), mid (160-3800 Hz), high (1250-22,000 Hz) and a complex soundtrack of Pink Floyd "Another Brick in the Wall, Part 1" (128-5600 Hz). Low-frequency sound or soundtracks containing low frequencies in their spectrum (such as Pink Floyd) achieved significantly higher nanoparticle uptake in primary cortical neurons. Specifically, exposure of primary cortical neurons to low-frequency sound (10-250 Hz) enhanced LNP uptake and transfection in neuronal cultures, resulting in a 10-fold increase in gene expression. Low frequencies are often used for mechanical cellular stimulation, which may explain the effect of specific frequency ranges to achieve higher uptake and expression. In vivo, we found that mice that were administered with mRNA-LNP intravenously and exposed to audible low-frequency sounds had higher mRNA expression in the brain compared to non-exposed mice, with gene expression localized in the midbrain and thalamus - key regions involved in sound processing and emotional regulation. Mass spectrometry analysis of mice plasma showed that sound stimulation modulates the abundance of proteins involved in cytoskeletal dynamics and cellular uptake. Additionally, low-frequency sound exposure modulated the immune responses in mice, reducing neutrophil count in the blood and potentially lowering inflammation markers following intravenous LNP administration. In healthy human volunteers, functional MRI demonstrated that exposure to low-frequency audible sound elicited frontal, temporal, and occipital brain activation, in addition to the activation of classical auditory brain regions. This work explores a non-invasive neuro-stimulatory method for therapeutic brain delivery, potentially opening new possibilities for precision medicine, where sound waves are tailored to activate specific brain regions, for targeted treatment of neurological 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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,599
Score d'incertitude au seuil0,606

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,294
Écart entre enseignants0,283 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Controlled ReleaseMême sujetMusic Therapy and HealthTravaux en français237 207