Impact of Aqueous Buffer Composition on RNA-LNP Physicochemical Properties
Notice bibliographique
Résumé
Background RNA-encapsulating lipid nanoparticles (RNA-LNPs) therapeutics offer a rational avenue for enhanced delivery to extra-hepatic tissues, particularly for treating solid tumors. In this study, the impact of different formulation variables, as the aqueous buffer species, defined by their kosmotropic effects and molarity (1), on the structural integrity and stability of RNA-LNPs was studied. Methods RNA-LNPs were initially produced by pipette mixing to screen the effects of various aqueous buffer species and molarities on particles’ physical properties. Subsequently, RNA-LNPs prepared with varied lipid compositions were formulated in the presence of different aqueous buffers, using the Nanoassemblr™ microfluidics platform (Precision NanoSystems, Vancouver, Canada). Particle size and polydispersity index, zeta potential, and encapsulation efficiency were characterized, using dynamic light scattering (DLS), electrophoretic light scattering (ELS) and the RiboGreen™ fluorescence assay, respectively, to evaluate particle stability and integrity during manufacturing. Results Our findings highlight the potential impact of aqueous buffer composition on RNA-LNP physicochemical properties. Pipette-mixed RNA-LNPs prepared in citrate buffer, with varying molarities, or acetate buffer both at pH 4.0, exhibited substantial variation in particle size, underscoring the role of aqueous buffer type and ionic strength in lipid packing dynamics. For the formulations produced via microfluidics, citrate buffer appeared to provide superior stability, with minimal size increase and reduced aggregation during manufacturing, compared to the other conditions/buffers tested. Conclusions These results emphasize the critical role of aqueous buffer selection in modulating lipid molecular arrangement during the self-assembly process of RNA-LNPs, that ultimately impact their physicochemical integrity during manufacturing. Thus, our study provides valuable insights into the biophysical interplay between lipid components and aqueous environments, offering practical guidance for optimizing RNA-LNP formulations for targeted therapeutic applications.
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 | 0,001 | 0,001 |
| 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 ».