LNP靶向性研究——一步法

LNP（脂质纳米颗粒）的成功应用于mRNANCP疫苗已经激发了许多研究人员对其组成和功能进行深入探索。然而，随着研究的进行，人们逐渐发现LNP在靶向性方面存在一些缺点。因此，如何有效提高其靶向性成为当前LNP研发的热点问题之一。

根据近期发表在《Materials today Advances》的文章，我们可以看到当前LNP靶向性研究所面临的挑战以及未来的展望。

一步法

小分子配体，如叶酸、碳水化合物和短肽，可以共价连接到现有的脂质分子或两亲分子上，产量高。同时，获得的靶向配体在组装过程中非常稳定，例如耐受有机溶剂。在这种情况下，靶向脂质纳米颗粒可以通过一步法组装产生。靶向配体开始时与结构脂质混合，然后采用组装方法形成靶向脂质纳米颗粒。组装方法包括薄膜蒸发、微流控技术和乙醇注入法。该方法允许通过控制靶向配体的进料比来合理调节配体密度。

高通量配方筛选

靶向脂质纳米颗粒由结构脂质、辅助脂质、靶向配体以及包封的药物组成。这些成分的组成和比例直接改变了靶向脂质纳米颗粒的功能。同时，乙醇注入液和微流控技术的脂相和水相流速、挤出膜的孔径以及靶向配体与预制普通脂质纳米粒子之间的共轭率等参数会影响终得到的靶向脂质纳米粒子的理化性质。粒径、分散性、表面电荷、靶向配体的表面密度等理化性质是决定体内药代动力学和药效学特性、靶向性和treatment指数的关键因素。

为了筛选制造靶向脂质纳米颗粒的配方，传统的试错策略变得资源密集且耗时。近年来，机器学习（ML）的explosion式增长激发了包括药物配方筛选在内的wide领域的大量创新。通过使用现有数据训练计算模型，该技术允许人们预测特定药物配方的特性，即使使用未知材料也是如此。数据集的计算模型和基础决定了可预测性的准确性。目前，基于已成功和失败制剂的数据集，ML有助于筛选理想的制剂，以提高包封药物的水溶性，可持续的药物释放曲线以及延长保质期和稳定性。此外，新兴市场可用的材料筛选试剂盒也将加速靶向脂质纳米颗粒的早期发现。

关于靶向脂质纳米颗粒的应用和种类，读者可参考近的两篇综述：

2.Nakamura T, Sato Y, Yamada Y, Abd Elwakil MM, Kimura S, Younis MA, Harashima H. Extrahepatic targeting of lipid nanoparticles in vivo with intracellular targeting for future nanomedicines. Adv Drug Deliv Rev. 2022 Sep;188:114417. doi: 10.1016/j.addr.2022.114417. Epub 2022 Jul 3. PMID: 35787389.

3.Zhao Z, Ukidve A, Kim J, Mitragotri S. Targeting Strategies for Tissue-Specific Drug Delivery. Cell. 2020 Apr 2;181(1):151-167. doi: 10.1016/j.cell.2020.02.001. PMID: 32243788.

关于AVT

艾伟拓是一家服务制剂的医药科技公司，旗下产品覆盖天然磷脂、合成磷脂、功能化磷脂、核酸递送类等细分领域，并提供诸如油酸、油酸钠、胆固醇、海藻糖（供注射用）、蔗糖（供注射用）等相关辅料产品。AVT专注脂质体、脂肪乳、微纳米靶向制剂等递药体系，是国内药企、高校、研究所等单位主要磷脂供应商。