项目名称: 纳米脂质体在肿瘤亚细胞靶器官分布动力学计算模型的设计

项目编号: No.81202486

项目类型: 青年科学基金项目

立项/批准年度: 2013

项目学科: 药物学、药理学

项目作者: 李颖寰

作者单位: 首都医科大学

项目金额: 24万元

中文摘要: 拟研究粒径为100-200 nm的纳米脂质体在细胞/亚细胞水平的转运动力学,设计计算机模型计算纳米脂质体在亚细胞靶器官的量变曲线,建立一种制剂筛选的新方法。细胞水平的实验研究主要分为脂质体与细胞表面的结合(B)及内吞(I)过程,设计了时间动力学和稳态浓度研究两组实验,将B按照生理学路径拆分为不饱和的非特异性表面结合(NSB)和可饱和的表面结合(SB)两种方式,建立相应的数学模型拟合实验值,得到细胞水平的转运速率常数;进一步将I拆分为不同亚细胞隔室的脂质体量,选择不同荧光探针标记亚细胞隔室(早/晚期内涵体、溶酶体、细胞核等),精密追踪脂质体在不同隔室间的转运时间及量变曲线,建模拟合得到亚细胞水平的转运速率常数。为完善模型的普适性,选择化学药物阿霉素和基因药物siRNA为两种模型药物,分别以被动靶向脂质体和主动靶向脂质体为研究对象,选择2种肿瘤细胞为实验对象,拟合实验值确定模型参数。

中文关键词: 脂质体;细胞内转运;内涵体逃逸;数学模型;

英文摘要: The goal of this study is to develop intracellular kinetic models of liposomes with size at 100-200 nm, both at cell level and at sub-cell level, which show a new method for formulation selection. Cell membrane binding (B) is separated into nonsaturable binding (NSB) and saturable binding (SB). Internalization (I) is further described as liposomes in different sub-cellular compartments, with cytosol and lysosome as the most important organelles studied. Doxorubicin and siRNA are selected as model drugs for chemical medicines and gene therapy. Passive-targeting liposomes and active-targeting liposomes are prepared respectively. Two tumor cells (e.g., MCF-7 and HL-60) are tested. Cell-associated liposomal concentration time courses with equal extracellular liposomes concentrations; and curves with different extracellular concentration at equilibrium are measured. Sub-cellular organelles, i.e., early/late endosomes, lysosomes and nuclei, are distinguished with their respective markers or pH-sensitive fluorescent probes. We will visualize the intracellular trafficking of drug-loaded liposomes in live cells by fluorescence microscopy. The observed data will be fitted in the established mathematic models of computer to get different rate constants among cellular and subcellular compartments. Finally, the established c

英文关键词: liposomes;intracellular trafficking;endosomal escape;mathematic models;

成为VIP会员查看完整内容
0

相关内容

MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
专知会员服务
13+阅读 · 2022年3月18日
【ICLR2022】基于任务相关性的元学习泛化边界
专知会员服务
18+阅读 · 2022年2月8日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
22+阅读 · 2021年9月20日
专知会员服务
20+阅读 · 2021年5月1日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
21+阅读 · 2021年3月9日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5日
人工智能预测RNA和DNA结合位点,以加速药物发现
深度学习预测蛋白质-蛋白质相互作用
机器之心
5+阅读 · 2022年1月15日
AI从底物和酶的结构中预测米氏常数,量化酶活性
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年4月20日
Arxiv
0+阅读 · 2022年4月18日
Arxiv
12+阅读 · 2020年12月10日
小贴士
相关主题
相关VIP内容
MIT设计深度学习框架登Nature封面,预测非编码区DNA突变
专知会员服务
13+阅读 · 2022年3月18日
【ICLR2022】基于任务相关性的元学习泛化边界
专知会员服务
18+阅读 · 2022年2月8日
【博士论文】分形计算系统
专知会员服务
33+阅读 · 2021年12月9日
[ICCV2021]自适应多模态选取框架用于视频理解
专知会员服务
17+阅读 · 2021年10月30日
专知会员服务
22+阅读 · 2021年9月20日
专知会员服务
20+阅读 · 2021年5月1日
【经典书】数理统计学,142页pdf
专知会员服务
96+阅读 · 2021年3月25日
专知会员服务
21+阅读 · 2021年3月9日
【博士论文】解耦合的类脑计算系统栈设计
专知会员服务
30+阅读 · 2020年12月14日
相关资讯
相关基金
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员