Development of a Lipid-encapsulated TGFβRI-siRNA Drug for Liver Fibrosis Induced by <i>Schistosoma mansoni</i>
Notice bibliographique
Résumé
Schistosoma mansoni infection leads to chronic schistosomiasis and severe hepatic fibrosis. We designed a liver-targeted lipid nanoparticle (LNP) carrying siRNA against type I TGF-β receptor (TGFβRI) mRNA to treat schistosomiasis-induced liver fibrosis in BALB/c mice. Knockdown of TGFβRI by LNP-siTGFβRI reduced LX-2 cell activation in vitro and alleviated liver fibrosis in S. mansoni-infected mice. αSMA and Col1a1 fibrotic markers in the liver tissues of infected mice were significantly suppressed in the treatment groups. In the serum of the LNP-siTGFβRI-treated groups, cytokines IFNγ, IL-1α, IL-6, IL-12, RANTES (CCL5), and TNFα increased, while GM-CSF, IL-2, IL-4, IL-10, IL-13, and KC (CXCL1) decreased compared to the control. Cell proportions were significantly altered in S. mansoni-infected mice, with increased CD56d NK cells and decreased CD19+ B cells and CD4+ T cells compared to naïve mice. Following LNP-siTGFβRI treatment, CD56d NK cells were downregulated, while B and memory Th cell populations were upregulated. The density of fibrotic regions significantly decreased with LNP-siTGFβRI treatment in a dose-dependent manner, and no systemic toxicity was observed in the major organs. This targeted siRNA delivery strategy effectively reduced granulomatous lesions in schistosomiasis-induced liver fibrosis without detectable side effects.
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 | 0,001 |
| 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 ».