Supramolecular Lipid Nanoparticles Based on Amine β-CD Host–Guest Lipids: Design, Mechanisms, and Biosafety
Notice bibliographique
Résumé
Background/Objectives: Lipid nanoparticles (LNPs) have demonstrated notable clinical success as advanced drug delivery systems. However, the development of novel covalently bonded ionizable lipids faces substantial technical challenges, as their modification is difficult and they have a high molecular weight. To address this issue, we report the use of host–guest complexes in supramolecular chemistry as functional lipid motifs for constructing LNPs. Methods: Ionizable amine β-cyclodextrin (amine β-CD)-derived host–guest amphiphilic lipid molecules (HGLs) were designed for the construction of multi-stage assembly supramolecular LNPs (MSLNPs). The structure–function relationships and stability of MSLNPs were explored by screening eight types of amine β-CDs and varying the ratio of HGL to yolk phosphatidylcholine. Stability screening and molecular dynamics simulations were performed to clarify the self-assembly mechanisms and optimal formulations, followed by a systematic evaluation of delivery performance. Results: MSLNPs showed a high drug-loading efficiency (> 30%), a rapid-response release in acidic environments, and multi-pathway cellular uptake. In vivo delivery experiments using ethylenediamine β-CD-based MSLNPs in mice revealed no significant immunogenicity, no significant abnormalities in organs/tissues or their functions, a unique biodistribution pattern, and pronounced renal targeting. The successful development of MSLNPs with acidic pH-responsive control, a high delivery efficiency, and renal-targeting properties simplifies LNP preparation. Conclusions: This study offers novel insights into the design of simplified LNPs and the optimization of targeted delivery, with potential applications in renal disease therapy.
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 ».