《Next Nanotechnology》：Computational modeling in the optimization of lipid nanoparticles for efficient siRNA delivery: Design, molecular dynamics simulations, and experimental validation
编辑推荐：
脂质纳米颗粒（LNP）是一种有前景的RNA递送技术。然而，其制剂中必须考虑关键因素。传统方法成本高昂且耗时，而计算建模能够高效预测关键参数以优化过程。因此，本研究旨在采用计算建模设计用于siRNA递送的LNP，并通过实验室实验验证结果。研究人员使用了Chime
脂质纳米颗粒（LNP）是一种有前景的RNA递送技术。然而，其制剂中必须考虑关键因素。传统方法成本高昂且耗时，而计算建模能够高效预测关键参数以优化过程。因此，本研究旨在采用计算建模设计用于siRNA递送的LNP，并通过实验室实验验证结果。研究人员使用了Chimera、SimRNA、OpenBabel和Packmol来创建LNP模型，随后采用微流化器技术进行制备。通过Zeta电位（ζ-potential）、多分散指数（PDI）、粒径、pH和储存稳定性对LNP进行了表征。结果表明，正如分子动力学（MD）模拟所预测的，基于计算和实验室发现，LNP A（DOPC-DOTAP-Cholesterol）成为最高效的siRNA递送系统。研究人员的结论表明，MD在预测LNP特性方面是有效的，作为开发基于LNP的siRNA递送系统的有力工具，同时优化了时间和成本。
### 论文解读：计算建模与实验验证联合优化脂质纳米颗粒用于siRNA递送
脂质纳米颗粒（Lipid Nanoparticles, LNP）作为核酸递送载体，自COVID-19 mRNA疫苗成功开发以来受到广泛关注。然而，LNP配方中需优化的参数众多，传统实验筛选耗时长、成本高，限制了新制剂的快速转化。分子动力学（Molecular Dynamics, MD）模拟通过预测纳米颗粒行为、稳定性和效率，为理性设计提供了高效工具。本研究旨在利用计算建模设计用于小干扰RNA（small interfering RNA, siRNA）递送的LNP，并通过实验验证计算结果的可靠性，以加速基于LNP的基因治疗临床应用。论文发表在《Next Nanotechnology》。
研究人员采用计算建模与实验验证相结合的策略。首先，通过Chimera、SimRNA、OpenBabel和Packmol软件构建了三种LNP模型，包括阳离子脂质DOTAP、辅助脂质（DOPC、DMPC或DPPC）和结构脂质胆固醇。MD模拟分析了三种配方（LNP A: DOPC-DOTAP-胆固醇；LNP B: DMPC-DOTAP-胆固醇；LNP C: DPPC-DOTAP-胆固醇）的分子稳定性、原子组成及氮磷比（N:P ratio）。模拟预测LNP A具有最优的siRNA包裹能力和结构稳定性。随后，研究人员采用微流化器技术制备了相应LNP，并利用动态光散射（Dynamic Light Scattering, DLS）和电泳光散射（Electrophoretic Light Scattering, ELS）表征了Zeta电位（ζ-potential）、粒径、多分散指数（PDI）及pH。储存稳定性评估在4°C、25°C和40°C条件下进行90天监测。所有实验均采用统计学方法（单因素方差分析及Tukey或Dunnett事后检验）分析差异显著性。
**结果部分：**
**3.1 分子动力学模拟分析（Molecular dynamics simulation analysis）**：MD模拟显示，在184个分子的体系中，LNP A中脂质分子完全包裹siRNA，且siRNA牢固位于中心；LNP B呈现中间行为；LNP C中siRNA分散更明显。LNP A的原子总数最高（19,440个原子），而LNP C最低（14,990个原子）。
**3.2 基于MD分析的理化性质（Physical chemical properties from MD analysis）**：计算各配方中氮（N）和磷（P）原子数，得到氮磷比：LNP A为2.72:1，LNP B为35.40:1，LNP C为33.40:1。LNP A的氮磷比最接近理想范围（约3:1），表明阳离子脂质与siRNA磷酸骨架的电荷平衡良好。
**3.3 LNP的表征：pH分析和ζ-电位（Characterization of LNP: pH analysis and ζ-potential）**：制备当日，LNP A、B、C的pH分别为6.0、4.23和4.35。Zeta电位测定结果显示，LNP C最高（68.20 mV），LNP A次之（51.09 mV），LNP B最低（45.02 mV）。所有配方均呈现强阳离子特征（>+30 mV），但LNP A的Zeta电位显著低于LNP C（p<0.0001），且显著高于LNP B（p<0.001）。肉眼观察所有样品均呈均匀白色，无相分离。
**3.4 LNP的储存稳定性评估（Evaluation of storage stability of LNP）**：在4°C、25°C和40°C下储存90天，LNP A的粒径在所有时间点和温度下保持稳定，PDI在4°C下第30天和第60天显著升高，但整体仍低于0.4。LNP B在4°C下第60天粒径增大，在25°C下第7天和第15天增大后第30天减小；PDI在不同温度下出现波动。LNP C在4°C下第30天粒径增大，在40°C下粒径减小；PDI在40°C下从第7天起显著升高。温度效应分析显示，第60天和第90天LNP C受温度影响最大，而LNP A和B相对稳定。
**3.5 不同LNP配方间粒径和PDI的比较分析（Comparative analysis of particle size and PDI among different LNP formulations）**：在4°C储存条件下，LNP A自制备日至第90天始终保持最小粒径，显著小于LNP B和LNP C（p<0.0001）。PDI方面，LNP A在初始阶段较高，但后期与LNP B无显著差异，且所有配方PDI均低于0.4，表明粒径分布均匀。
**讨论与结论：**
讨论部分指出，基于MD模拟和实验验证，LNP A（DOPC-DOTAP-胆固醇）被确定为最高效的siRNA递送候选。DOTAP的阳离子特性有助于与siRNA结合，胆固醇增强双层稳定性和膜融合能力，而辅助脂质DOPC因不饱和长链和低熔点赋予流体性，在胆固醇存在下仍保持稳定。LNP A的氮磷比（约3:1）最理想，避免了过多游离阳离子引起的毒性风险。实验表征中，所有LNP均呈阳离子Zeta电位，符合MD预测；粒径处于1-100 nm有效范围；PDI<0.4表明单分散性。储存稳定性数据显示LNP A在90天内粒径无显著变化，优于LNP B和C，进一步验证了MD模拟关于分子排列和N:P比例的预测。
研究结论部分翻译如下：正如MD模拟所预测的，综合考虑粒径、氮磷比、储存稳定性、原子排列及siRNA定位，LNP A表现最佳。尽管其Zeta电位低于LNP C且PDI略高，但两者均在高效LNP的接受范围内。因此，MD分析在预测LNP特性方面被证明是有效的，作为开发基于LNP的siRNA递送系统的有力工具，同时优化了时间和成本。
