Developing PLGA nanoparticle platforms for intranasal vaccine delivery against respiratory pathogens at Alberta prairie clinical sites
Notice bibliographique
Résumé
The challenge of vaccinating dispersed rural populations against respiratory pathogens influenza, respiratory syncytial virus, and emerging coronaviruses becomes sharply visible on the Alberta prairies, where cold-chain logistics and long travel distances to clinics undermine injectable vaccine coverage. This research developed poly (lactic-co-glycolic acid) (PLGA) nanoparticle platforms designed for intranasal delivery of a model protein antigen (ovalbumin, OVA) and assessed their immunogenic potential in a murine model at laboratory facilities affiliated with Alberta prairie clinical sites. PLGA nanoparticles were prepared by double emulsion-solvent evaporation at four PLGA copolymer ratios (50:50 and 75:25) and two molecular weights (24 kDa and 45 kDa), yielding eight formulations. The lead candidate (NP4: PLGA 75:25, 45 kDa) showed a mean particle diameter of 186.3 nm, a zeta potential of -21.8 mV, an antigen encapsulation efficiency of 64.7%, and sustained OVA release over 21 days. In BALB/c mice (n = 8 per group), intranasal administration of NP4 at days 0 and 14 elicited significantly higher nasal wash secretory IgA titers (log₁₀ 3.84±0.31) and serum IgG titers (log₁₀ 4.12±0.27) at day 28 compared with free OVA solution (IgA: log₁₀ 2.16±0.24; IgG: log₁₀ 2.74±0.33; p < 0.001 for both). These results demonstrate that PLGA nanoparticles can serve as an effective intranasal vaccine carrier platform, with potential applications for respiratory pathogen vaccines suited to the logistical constraints of Alberta's rural health infrastructure.
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 | 0,009 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 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 ».