Incorporation of a polyamine into lipid nanoparticles increases the endosomal release and transfection of nucleic acids without toxicity
Notice bibliographique
Résumé
Efficient cytosolic delivery of RNA therapeutics remains a major challenge. In this study, we developed a polymer-incorporated lipid nanoparticle ( p -LNP) platform by integrating a low-molecular-weight polyamine (NS102) into standard LNP formulations. Systematic evaluation revealed that the molecular weight and amine composition of the polymer significantly influenced the delivery performance and biocompatibility, with NS102 (Mw ~1000 Da, exclusively tertiary amines) emerging as the optimal candidate. Incorporating 4.5 mol% NS102 into LNPs enhanced their pH-buffering capacity, endosomal escape, and RNA stability without altering key physicochemical properties. These improvements resulted in superior RNA delivery, evidenced by increased mRNA transfection efficiency and siRNA activity in mice following both intravenous and intramuscular administration. Specifically, the p -LNPs achieved up to a 100-fold increase in luciferase bioluminescence expression in the liver and reduced the effective dose (ED 50 ) of siRNA against factor VII produced by the liver by 50 %, compared to standard LNPs. Moreover, the p -LNP formulations exhibited excellent biocompatibility, with no significant cytotoxicity or liver toxicity in mice. These findings highlight the potential of the p -LNP platform for advancing RNA-based therapeutics, offering a promising strategy to overcome existing delivery barriers.
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 | 0,000 |
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 ».