Poly(lactic‐co‐glycolic acid) Nanoparticles for IL‐12 Self‐Amplifying RNA Delivery in Glioblastoma Models
Notice bibliographique
Résumé
ABSTRACT Glioblastoma (GBM) remains one of the most lethal brain cancers, with median survival rarely exceeding 15 months after diagnosis. Interleukin‐12 (IL‐12) is a potent immunostimulatory cytokine capable of reshaping the tumor microenvironment (TME), yet its clinical translation is hindered by systemic toxicity and short half‐life. RNA‐based local immunotherapies offer a promising alternative, with self‐amplifying RNA (saRNA) enabling sustained protein expression at low doses. However, its large size and susceptibility to degradation demand a delivery system capable of providing protection, stability, and sustained activity. Here, we report a poly(lactic‐co‐glycolic acid) (PLGA) nanoparticle platform engineered to deliver intact, large saRNA encoding IL‐12. This innovative PLGA NP platform preserved the saRNA structural integrity and drove strong IL‐12 expression in SB28 glioma monolayers and 3D spheroids for at least 72 h. In a zebrafish xenograft model, a single in situ administration of saRNA‐loaded PLGA nanoparticles induced significant macrophage recruitment to the tumor site after 92 h, demonstrating an early immunomodulatory response to the RNA therapeutic. This work establishes a robust PLGA‐based platform for the delivery of large saRNA molecules and provides a foundation for next‐generation RNA immunotherapeutic strategies against GBM.
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 ».