Introducing a fusogenicity metric for lipid nanoparticle formulation

Deze studie introduceert een nieuw kwantitatief raamwerk op basis van kleine-hoek röntgenverstrooiing om de fusogeniciteit van lipiden in lipidennanopartikels te meten via de parameter Q, waarmee formuleringen kunnen worden geoptimaliseerd voor een efficiëntere medicijnafgifte.

De kern

De "Kleefkracht-Meter" voor Medicijn-Droppers: Een Simpele Uitleg

Stel je voor dat je een pakketje (een medicijn) moet bezorgen bij een huis (een cel). Maar er is een probleem: het huis heeft een stevige voordeur (het celmembraan) en een beveiligingspost (de endosoom). De meeste pakketjes die we nu gebruiken, de Lipide Nanodeeltjes (LNPs), worden weliswaar binnen gelaten, maar ze komen vast te zitten in de beveiligingspost. Ze worden daar opgegeten voordat ze hun boodschap kunnen afgeven.

Om dit op te lossen, moeten de pakketjes een geheime uitgang vinden. Ze moeten de wand van de beveiligingspost kunnen "smelten" of "openen" om naar binnen te glippen. Dit proces noemen we fusogeniciteit (of in het Nederlands: de neiging tot samensmelting).

Het probleem was: wetenschappers hadden geen goede manier om te meten hoe goed een bepaald soort vetje (lipide) deze smelt-techniek beheerst. Ze konden alleen gissen of het wel of niet werkte.

De Oplossing: Een Nieuwe "Kleefkracht-Meter"

In dit paper introduceren de onderzoekers een nieuwe manier om dit te meten. Ze hebben een meetinstrument bedacht dat we Q noemen.

Hier is hoe het werkt, met een paar simpele vergelijkingen:

1. De Huisdier-Test (De Kubus):
   Sommige vetjes (zoals GMO) vormen van nature een heel ingewikkeld, zwam-achtig netwerk (een kubische fase) als je ze in water doet. Stel je dit voor als een doolhof van zeepbellen. Als je dit doolhof verwarmt, krimpen de gaten erin.

   • De analogie: Denk aan een elastiekje. Hoe meer het elastiekje krimpt als je het verwarmt, hoe meer "spanning" erin zit. Die spanning vertelt de wetenschappers iets over de buigzaamheid en de kromming van de vetmoleculen.

2. De "Q"-Score:
   Uit die krimp-metingen halen ze een getal: Q.

   • Een hoge Q-score betekent: "Deze vetjes zijn als een vloeibare, flexibele lijm. Ze kunnen zich makkelijk vervormen en samensmelten met andere membranen."
   • Een lage Q-score betekent: "Deze vetjes zijn stijf als een baksteen. Ze zullen moeilijk samensmelten."

Waarom is dit zo belangrijk?

Voorheen moesten onderzoekers duizenden experimenten doen met dure microscopen en fluorescerende kleurstoffen om te zien of een nieuw medicijn werkte. Het was als blinddoekjes proberen om een deur te vinden.

Met deze nieuwe Q-meter kunnen ze nu:

• Voorspellen: Ze kunnen een nieuw vetje in het lab maken, de Q-score meten, en direct weten of het goed zal werken om de celdeur open te smelten.
• Optimaliseren: Ze kunnen precies zien hoeveel van welk vetje ze moeten toevoegen om de "kleefkracht" perfect te maken.

De Resultaten in het Kort:

• GMO (een natuurlijk vet): Hoe meer GMO je toevoegt, hoe hoger de Q-score en hoe beter het pakketje de celdeur open kan smelten.
• De COVID-vaccins: De onderzoekers keken naar de vetjes die gebruikt worden in de Moderna (SM-102) en Pfizer (ALC-0315) vaccins. Ze ontdekten dat deze vetjes de Q-score verhogen, vooral als het zuur is (zoals in de cel).
  • Interessant feitje: De vetjes van Moderna (SM-102) bleken een iets hogere "fusie-kracht" te hebben dan die van Pfizer. Dit helpt ons begrijpen waarom sommige vaccins misschien net iets sneller of effectiever zijn.
• Hulpvetjes: Vetjes die vaak als "stabilisator" worden gebruikt (zoals DSPC) hebben weinig invloed op de Q-score. Ze helpen de structuur, maar smelten niet zelf.

Conclusie

Dit paper is als het vinden van de blauwdruk voor het bouwen van betere medicijndroppers. In plaats van te gissen, hebben de onderzoekers nu een meetlat waarmee ze precies kunnen zien welke ingrediënten het pakketje het beste in staat stellen om de celdeur open te smelten en het medicijn veilig af te leveren. Dit kan leiden tot effectievere behandelingen voor ziektes, met minder bijwerkingen en een hogere kans op succes.

Technische samenvatting

Titel: Introducing a fusogenicity metric for lipid nanoparticle formulation

Auteurs: Lining Zheng, Max Baliga, et al. (Universiteit van Illinois en Carnegie Mellon University)

---

1. Het Probleem

Lipide Nanodeeltjes (LNPs) zijn tot nu toe de meest succesvolle dragers voor medicijndeling, zoals bewezen door hun gebruik in mRNA-vaccins tegen COVID-19. Desondanks lijden LNPs aan aanzienlijke beperkingen, waaronder een lage afleveringsefficiëntie. Het grootste knelpunt is het ontsnappen uit het endosoom. LNPs worden vaak via endocytose opgenomen, maar blijven gevangen in endosomen die vervolgens naar lysosomen gaan waar de inhoud wordt afgebroken.

Om effectief te zijn, moeten LNPs hun lading (bijv. mRNA) binnen 30 minuten tot 1 uur vrijgeven in het cytosol. Virale vectoren gebruiken eiwitten om fusie met het endosomaal membraan te faciliteren, maar synthetische LNPs vereisen zorgvuldig engineering om dit te bereiken.

• De kernuitdaging: Er ontbreekt een kwantitatieve maatstaf voor "fusogeniciteit" (het vermogen van een membraan om te fuseren). Bestaande methoden, zoals FRET-assays, bieden slechts relatieve vergelijkingen en vereisen uitgebreide optimalisatie, maar geen absolute, voorspellende waarden.
• Fysische achtergrond: De elastische energiekost voor het vormen van een fusieporie wordt bepaald door de Gaussian modulus ($\bar{\kappa}$). Hoewel de buigmodulus ($\kappa$) makkelijk te meten is, is $\bar{\kappa}$ experimenteel zeer moeilijk te bepalen vanwege topologische beperkingen (Gauss-Bonnet stelling).

2. Methodologie

De auteurs introduceren een nieuw raamwerk om de fusogeniciteit kwantitatief te meten via een parameter $Q$, gedefinieerd als de verhouding tussen de Gaussian modulus en de buigmodulus ($Q = \bar{\kappa}/\kappa$).

De aanpak omvat:

1. SAXS-metingen (Small Angle X-ray Scattering):
   • De auteurs meten de roosterparameters ($a$) van bicontinue kubische fasen ($Q_{II}$) als functie van de temperatuur.
   • Ze gebruiken lipiden die van nature kubische structuren vormen, zoals Glycerol Monooleate (GMO), gemengd met DOPC en cholesterol.
   • Voor lipiden die geen kubische fasen vormen (zoals ioniseerbare lipiden), gebruiken ze een DOPE-Me (1,2-dioleoyl-sn-glycero-3-phosphoethanolamine-N-methyl) matrix als gastheer. Ze dopen deze matrix met kleine hoeveelheden (1-5 mol%) van het lipide van belang.
2. Berekening van $Q$:
   • Uit de temperatuurafhankelijkheid van de roosterparameter $a$ wordt de verhouding $M = \bar{\kappa}_m / \kappa_m$ (voor monolagen) afgeleid via een model van Siegel.
   • Vervolgens wordt $Q$ voor de bilagen berekend met behulp van de formule:
     $$Q = \frac{\bar{\kappa}}{\kappa} = 2(M - 2\delta J_0 + \delta^2 J_0^2 / 2)$$
     Waarbij $\delta$ de afstand is tussen het midden van de bilayer en het neutrale oppervlak, en $J_0$ de spontane kromming is.
3. Validatie:
   • FRET-assays: Meting van membraanfusie tussen LNPs en endosoom-mimische vesikels (EEM) of geïsoleerde endosomen.
   • Cryo-EM: Visualisatie van fusie-intermediairen om structurele bevestiging te krijgen.
   • Moleculaire Dynamica (MD) Simulaties: Coarse-grained simulaties om de correlatie tussen $Q$ en fusieprobabiliteit te verifiëren.

3. Belangrijkste Bijdragen

• Definitie van $Q$: De introductie van $Q$ als een robuuste, kwantitatieve parameter om de fusogeniciteit van lipidformuleringen te voorspellen en te meten.
• Experimenteel Platform: Een methode om $\bar{\kappa}$ (en dus $Q$) af te leiden uit temperatuurafhankelijke SAXS-metingen van kubische fasen, zelfs voor lipiden die zelf geen kubische fase vormen (via de DOPE-Me host-matrix).
• Koppeling aan Biologie: Het aantonen dat $Q$ direct correleert met het vermogen van LNPs om te fuseren met endosomen, wat een ontbrekende schakel was in het rational design van LNPs.

4. Resultaten

• GMO en Fusogeniciteit:
  • De metingen tonen aan dat een toenemend molpercentage GMO leidt tot een toename van $Q$.
  • Een hogere $Q$ correspondeert met een hogere fusogeniciteit.
  • FRET-assays bevestigen dit: LNPs met 65-85% GMO fuseren het snelst met endosomen. 100% GMO toont soms stabiliteitsproblemen (fusie met zichzelf), maar de trend van $Q$ blijft voorspellend voor de initiële fusiesnelheid.
  • Cryo-EM bevestigt de aanwezigheid van fusie-intermediairen bij hoge GMO-gehalten.
• Ioniseerbare Lipiden (SM-102 en ALC-0315):
  • Deze lipiden (gebruikt in Moderna en Pfizer/BioNTech vaccins) verhogen de $Q$ van de DOPE-Me matrix aanzienlijk.
  • SM-102 blijkt een hogere $Q$ te hebben dan ALC-0315, wat suggereert dat SM-102 intrinsiek meer fusogeen is.
  • DSPC (een stabiliserend hulp-lipide) heeft een verwaarloosbaar effect op $Q$, wat bevestigt dat ioniseerbare lipiden de drijvende kracht achter fusie zijn.
  • De effecten zijn sterker bij pH 4 (zure omgeving van het endosoom), wat de protonatie van ioniseerbare lipiden weerspiegelt.
• Simulaties:
  • MD-simulaties tonen aan dat de waarschijnlijkheid van fusie en hemifusie de sterkste afhankelijkheid vertoont van de parameter $Q$, meer zelfs dan van de absolute waarde van de buigmodulus of de spontane kromming ($J_0$) alleen.

5. Betekenis en Toekomstperspectief

Deze studie biedt een fundamenteel nieuw instrument voor de ontwikkeling van geneesmiddeldragers:

• Rationeel Design: Onderzoekers kunnen nu nieuwe ioniseerbare lipiden synthetiseren en hun fusogeniciteit direct kwantificeren via $Q$, zonder eerst complexe biologische assays uit te voeren.
• Optimalisatie: Als een lipide een lage $Q$ heeft, kan het chemisch worden geoptimaliseerd om meer fusogeen te zijn. Als de $Q$ hoog is, kan de focus verschuiven naar andere parameters zoals stabiliteit of grootte.
• Algemene Toepasbaarheid: Het platform is niet beperkt tot LNPs; het kan ook worden gebruikt om de fusogeniciteit van peptiden of andere biologisch relevante moleculen in membraanstructuren te bestuderen.
• Biologisch Inzicht: Het onderstreept het cruciale belang van de Gaussian modulus ($\bar{\kappa}$) in het begrijpen van membraanfusie en -fissieprocessen in de natuur.

Kortom, dit werk transformeert het ontwerp van LNPs van een trial-and-error proces naar een op fysische principes gebaseerde engineeringbenadering, wat essentieel is voor de volgende generatie therapeutische leveringsystemen.