BSA Nanoparticles for siRNA Delivery: Coating Effects on Nanoparticle Properties, Plasma Protein Adsorption, and In Vitro siRNA Delivery
Notice bibliographique
Résumé
Developing vehicles for the delivery of therapeutic molecules, like siRNA, is an area of active research. Nanoparticles composed of bovine serum albumin, stabilized via the adsorption of poly-L-lysine (PLL), have been shown to be potentially inert drug-delivery vehicles. With the primary goal of reducing nonspecific protein adsorption, the effect of using comb-type structures of poly(ethylene glycol) (1 kDa, PEG) units conjugated to PLL (4.2 and 24 kDa) on BSA-NP properties, apparent siRNA release rate, cell viability, and cell uptake were evaluated. PEGylated PLL coatings resulted in NPs with ζ-potentials close to neutral. Incubation with platelet-poor plasma showed the composition of the adsorbed proteome was similar for all systems. siRNA was effectively encapsulated and released in a sustained manner from all NPs. With 4.2 kDa PLL, cellular uptake was not affected by the presence of PEG, but PEG coating inhibited uptake with 24 kDa PLL NPs. Moreover, 24 kDa PLL systems were cytotoxic and this cytotoxicity was diminished upon PEG incorporation. The overall results identified a BSA-NP coating structure that provided effective siRNA encapsulation while reducing ζ-potential, protein adsorption, and cytotoxicity, necessary attributes for in vivo application of drug-delivery vehicles.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 ».