LNP Protein Corona：進入血液後，誰決定 RNA 的遞送方向？
LNP protein corona 讓 RNA 遞送多了一個不能忽略的問題：我們在實驗室設計好的脂質奈米粒子，進入血液後，細胞實際接觸到的還是原來那個表面嗎？
粒子的脂質組成與表面 ligand 很重要；接觸生物體液後，與它結合的蛋白也會參與改變遞送行為。但即使進入了目標細胞，RNA 還要跨過內涵體膜。要理解這段距離，需要把 protein corona、LNP 表觀 pKa 與 endosomal escape 放進同一條遞送流程，分別驗證。
先退一步：RNA 為什麼需要遞送系統？
mRNA 帶著製造蛋白質的指令，siRNA 則能利用細胞內的 RNA interference 機制，降低特定 RNA 的表現。這兩種用途看似相反，卻面對共同的物理障礙：RNA 是體積較大、親水且帶負電的分子，無法有效地自行跨過細胞膜，在細胞外也可能被核酸酶分解。
因此，一段 RNA 序列在細胞內有作用，不代表直接注射同一段 RNA 就能產生治療效果。開發者還要讓它在給藥後保持足夠完整、接觸需要的細胞，再抵達細胞內的作用位置。LNP 是達成這件事的一種載體，並非所有 RNA 藥物都使用 LNP。遞送障礙與工程策略綜述
也可以先把三個問題分開：我要讓哪個器官接觸 RNA、要讓哪一種細胞使用 RNA，以及進入之後要執行什麼功能？ 例如脾臟裡同時有 T cells、B cells、巨噬細胞與樹突細胞；「脾臟訊號很高」還不能回答其中哪一群細胞獲得了可用的 RNA。
四種常見 LNP 成分，各自在處理什麼問題？
許多 RNA-LNP 使用四類脂質共同組裝。它們的角色彼此重疊，也會互相影響；下面是理解配方的起點，不是所有 LNP 都必須遵守的固定配方。脂質設計背景
成分類型 | 常見例子 | 主要設計角色 | 與本篇的關係 |
Ionizable lipid，可質子化脂質 | DLin-MC3-DMA、SM-102、ALC-0315 | 依 pH 改變質子化狀態，協助 RNA 包封與細胞內膜互動 | pKa、粒子結構與 escape 的重要設計變數 |
Helper phospholipid，輔助磷脂 | DSPC、DOPE | 參與粒子組裝、結構與膜排列 | 換磷脂也可能改變整體生物表現 |
Cholesterol 或其他 sterol | Cholesterol | 調節脂質堆積、流動性與結構穩定性 | 會改變粒子介面與膜互動的環境 |
PEG-lipid | 含脂質錨定的 PEG 分子 | 影響組裝、膠體穩定與表面遮蔽 | PEG 的配置與脫附會影響蛋白及細胞接觸 |
這也解釋為什麼「都用了 SM-102」不代表兩個配方具有相同 targeting。其餘成分、比例、製程與貨物都可能不同。把粒子想成一個由多種分子共同組成、會與環境交換互動的系統，會比把它看成裝了 RNA 的固定小球更接近開發現實。
LNP protein corona 為什麼會影響 targeting？
Protein corona 常被譯為蛋白冠。粒子接觸血液或其他生物體液時，會與周圍的蛋白及其他分子互動；這個介面受到脂質組成、表面性質、PEG 配置及所處環境影響。它不是固定不變的標籤。
Li 等人在 2026 年《Advanced Materials》的綜述，將 corona 與脂質結構、配方、ligand 及給藥路徑一起討論。這個架構有用，因為器官偏好很難只用一種成分解釋。同一項材料設計，放在不同物種、給藥路徑或疾病環境中，仍須重新驗證。綜述
ApoE 提醒我們：沒有外加抗體，也可能有內源性辨識
一個重要起點是 apolipoprotein E（ApoE）。Akinc 等人的研究，透過重組蛋白、ApoE 缺失及 LDLR 缺失等實驗，支持 ApoE 在受測 ionizable LNP 中擔任內源性遞送 ligand 的角色。這比單純測到粒子旁有某種蛋白，更接近因果證據。原始研究
但這不是所有脂質載體的通則。研究中的不同載體類型，對 ApoE 的依賴就有差異。因此，「沒有接抗體」不能直接解讀成「沒有生物辨識」，也不能反過來假設所有 LNP 都靠相同路徑進入細胞。
臨床例子：patisiran 為什麼就是要送到肝細胞？
討論 extrahepatic delivery 時，很容易把肝臟分布寫成一種失敗。但以 patisiran（Onpattro）為例，脂質複合體的設計目的就是把 siRNA 送進肝細胞，透過 RNA interference 降低 TTR mRNA 與後續 TTR 蛋白。這裡肝細胞是要處理的蛋白來源，送到肝臟正符合治療設計。產品標示的組成與作用機制
這個例子也把「遞送的細胞」與「疾病造成損傷的位置」分開：開發者不一定要把 RNA 送到每一個受影響的組織，才有可能改變疾病相關蛋白。當目標改成 T cell、肺部細胞或腦細胞時，則需要另一套遞送與驗證設計，不能直接沿用肝臟的成功。
SORT 的啟發：改變材料，也會改變粒子遇見蛋白的方式
SORT 的機制研究把脂質組成、體內分布、表觀 pKa 與血清蛋白互動連在一起，並提出內源性 targeting 的解釋。作者也保留其他機制的可能性。2021 年機制研究
後續針對肺部遞送的研究，進一步顯示不同 SORT 脂質會伴隨不同的 corona 與器官選擇性；沒有單一蛋白能獨自解釋所有配方的肺部選擇性。2023 年原始研究
這對開發很重要。Proteomics 可以幫助找出候選機制，但不能把蛋白清單中排名第一的分子，直接指定為 targeting 的原因。蛋白的功能、可接近性及與其他成分的互動，都需要進一步拆解。
前臨床例子：同一個設計平台，為什麼可以轉向肺或脾臟？
2020 年的 SORT 原始研究，把額外脂質加入既有 LNP 平台：受測的永久陽離子脂質，例如 DOTAP，可使表現偏向肺；陰離子脂質，例如 18PA，則使表現偏向脾臟。研究以小鼠中的 reporter、細胞分析與基因編輯等結果評估遞送。SORT 原始研究
這裡改變的是粒子與生物環境互動的整體性質，並不是 DOTAP 本身就是一個只認得肺的抗體。這個研究例子支持「配方可以重新導向功能性遞送」，但不能據此推論任何 LNP 加一樣成分，都會在人類得到相同器官選擇性。
蛋白質體分析裡的「多」，究竟代表什麼？
讀 corona 資料時，我會先看分母。某蛋白占回收蛋白訊號的比例，與它相對原始血漿被富集的程度，是不同問題。原本就很豐富的蛋白，可能產生很強的質譜訊號；這不代表它最能辨識受體，也不代表它在不同粒子上具有相同的方向、構形與可接近性。
再來要看樣品如何取得。血清與血漿不是相同材料；孵育時間、分離及清洗程序，也可能改變最後被回收的蛋白組成。所謂較牢固結合的 hard corona 與較容易交換的 soft corona，是受實驗條件影響的操作性區分，不能直接當成體內永久存在的兩層結構。Li 等人的綜述也指出，corona 分離與表徵方法會限制機制解讀。綜述的機制與轉譯討論
實務上，我會希望看到體液背景、無粒子對照、回收率與粒子狀態的檢查，再配合功能實驗。回收了一份蛋白清單，距離證明「這些蛋白把 RNA 送進了目標細胞」仍有一段距離。
LNP 的表觀 pKa：量到的是哪一種酸鹼行為？
Ionizable lipid 的胺基可接受質子。對一個簡化的鹼性位點，可寫成 B + H⁺ ⇌ BH⁺；這裡的 pKa 指其共軛酸 BH⁺ 的解離行為。游離分子或模型化合物的 intrinsic pKa，與完整 LNP 的 apparent pKa，不應直接互換。
完整配方中的局部水合、周圍脂質、分子排列與電荷環境，會影響質子化。2026 年的 constant-pH 分子動力學研究，進一步用簡化膜系統說明膜組成與脂質結構如何共同改變這個平衡；它提供分子層級的解釋，並非完整人體 LNP 的直接量測。模型膜研究
常用的 TNS fluorescence titration，則是讓陰離子探針對粒子介面的正電性產生螢光反應，再由滴定曲線估算表觀 pKa。它是配方層級的間接讀值；曲線半高點不代表我們已直接數出整顆粒子一半的胺基都帶正電。TNS 滴定與配方研究
Zeta potential 也要分開看。它反映指定介質中電動力學滑移面附近的電位，不能只憑 pH 7.4 的一次量測，取代完整的酸鹼滴定曲線。比較配方時，應交代緩衝液、離子強度、溫度、探針與粒子濃度、孵育條件及擬合方式。若有多種可滴定成分或曲線偏離單一 S 形，也不宜硬把結果解讀成某一個胺基的單一 pKa。Zeta potential 穿越零點時的操作性等電點，也不一定等於表觀 pKa。配方電離研究
用一個簡化計算，理解酸化為什麼有用
先把 pH 放回三種不同情境，數字就比較有意義。製備時的酸性條件有助部分可質子化脂質與 RNA 結合；回到接近生理 pH 的環境時，許多這類配方追求較低的外露正電性；進入逐漸酸化的內涵體後，又希望恢復足夠的膜互動能力。這是常見的設計取向，不代表每一個脂質位點都同步切換，也不代表在血液中完全不帶電或不結合蛋白。配方與酸鹼行為背景
若假設只有一種、彼此獨立的可質子化位點，可用 Henderson–Hasselbalch 關係估算：
質子化比例 f = 1 / [1 + 10^(pH − pKa)]。
以下取假設值 pKa = 6.4，計算結果四捨五入至整數：
假設環境 pH | 理想化位點的質子化比例 |
7.4 | 約 9% |
6.5 | 約 44% |
5.5 | 約 89% |
這張表只解釋「酸化如何提高質子化傾向」，不是任何配方的實測結果，也不是 LNP 表面電荷或逃脫率的預測。真實粒子含有不同微環境與交互作用，不能把表觀 pKa 代入後，就當成所有脂質的精確質子化比例。
為什麼不能把 6.2–6.5 當成通用最佳值？
Jayaraman 等人的經典研究，在特定靜脈給藥、肝臟 siRNA silencing 系統中觀察到約 6.2–6.5 的較佳範圍；相近 pKa 的脂質仍可有不同效力。Hassett 等人的肌肉注射 mRNA 疫苗研究，則在受測脂質中觀察到不同的較佳範圍與給藥路徑差異。肝臟 siRNA 研究、肌肉注射 mRNA 研究
因此，最佳值必須附帶 payload、路徑、細胞與終點。混入永久陽離子或陰離子脂質的 SORT 配方，也不能只用單一胺基的質子化模型解釋。表觀 pKa 可以是有用的設計與比較指標，但它不等於器官的地址，更不是 endosomal escape 的保證。
Payload 本身也值得注意。2026 年一項研究在受測配方中觀察到 RNA 長度與結構相關的表觀 pKa 變化。因此，從 reporter RNA 換成治療用貨物時，應重新表徵，不宜假設電離行為完全相同。原始研究
Endosomal escape：進入細胞之後，RNA 還沒抵達工作位置
透過內吞進入細胞後，RNA 通常仍被隔在內涵體內。mRNA 需要到細胞質參與轉譯；siRNA 則需要接觸 RNA interference 的作用機器。內吞量、細胞質 RNA 與最終功能，必須分開量測。
內涵體本來就是細胞正常的分選與運輸區室：細胞藉由內吞收進物質後，可能把不同成分送去回收、繼續運輸或降解。對 RNA 載體而言，困難在於內涵體腔與細胞質之間仍隔著膜。影像中出現很多細胞內亮點，可以是大量貨物待在這些區室裡，未必代表細胞質中有很多可工作的 RNA。細胞內運輸與直接影像研究
常見的機制模型是：內涵體逐漸酸化，使可質子化脂質的正電性增加，促進它與內涵體膜中可接近的陰離子脂質互動，並改變局部脂質排列及膜曲率。部分系統支持非雙層結構，例如 inverted hexagonal HII phase，參與膜失穩與貨物釋放。2025 年一項原始研究以脂質結構比較、模擬與 ³¹P NMR 支持空間構形的重要性；相近 pKa 並未帶來相同的細胞質遞送能力。原始研究
這是一組依配方與膜環境而定的物理過程，不能概括成「到了低 pH 就把內涵體炸開」。膜混合或模型膜出現 HII phase，也不能單獨證明活細胞內完整 RNA 已經有效釋放。把 proton sponge 當成所有 ionizable LNP 的既定通用機制，同樣超出現有證據能支持的範圍。
Gilleron 等人以受測 siRNA-LNP 系統估計，只有約 1–2% 的內吞 siRNA 進入細胞質，而且釋放發生在有限的細胞內運輸時窗。這個經典數字說明瓶頸，不能當成所有現代 LNP、mRNA 或靶細胞的固定逃脫率。2013 年原始研究
Wittrup 等人的活細胞研究，在 lipoplex 系統直接觀察 siRNA 釋放並連結後續 knockdown；對較小的 LNP，則使用 Galectin-8 recruitment 與貨物訊號變化等間接讀值追蹤釋放。這些結果支持成熟中的內涵體是重要的釋放區室，也提醒我們區分直接觀察與替代指標，並追問釋放發生的路徑與時間。2015 年原始研究
Targeting moiety 與 formulation：辨識目標之後，還要完成細胞質遞送
做 targeted mRNA delivery 時，我們常透過 antibody、antibody fragment、peptide 或其他 targeting moiety，增加 LNP 與目標細胞或受體的接觸機會。但成功結合受體，只完成了其中一部分；受體是否內吞、粒子被送往哪一個區室，以及完整 mRNA 能否離開內涵體，都會影響最後的表現。
Targeting moiety 可以協助細胞辨識與攝取；良好的 formulation 則需要支持 RNA 保護、適當的細胞內運輸、endosomal escape 與解包。有效遞送，需要這些步驟共同成立。 在後文的 CD5 定向 LNP 案例中，表面辨識與細胞內表現都有各自的驗證；不能只因為加了 CD5 抗體，就假設任何配方都能有效生成 CAR-T。細胞定向遞送的原始研究
這裡的 good formulation，不只是粒徑漂亮、包封率高或細胞攝取量高。它還包含 ionizable lipid 的質子化與膜互動、輔助脂質及 sterol 的排列、PEG 的遮蔽與脫附，以及 RNA 的完整性與釋放。表觀 pKa 是其中一個表徵指標，無法單獨保證 escape；好的配方應以目標細胞中的功能性 mRNA 遞送與可接受的細胞損傷來判斷。攝取、escape 與轉譯的配方評估研究
例如，在一個假設的篩選結果中，加上 targeting ligand 後，目標細胞的內吞訊號上升，但蛋白表現沒有增加。在排除表面黏附與標記偏差後，這支持攝取增加；是否改善受體特異性辨識，仍須結合或受體擾動實驗，且尚不能說有效 mRNA delivery 已改善。下一步應檢查細胞內運輸、完整 RNA 的細胞質釋放與轉譯，而不是只繼續提高 ligand density。
Targeting 與 escape 要一起最佳化，也要能分開驗證
兩者並非完全獨立的模組。Targeting moiety 可能改變受體介導的運輸路徑；表面連接方式、ligand density 與 PEG 配置，也可能改變粒子的介面與蛋白互動。因此，原本配方的效力資料，仍需要在完成表面修飾後重新確認。以下是我會考慮的比較設計，不是特定產品已完成的驗證：
比較組別 | 主要要回答的問題 |
原始配方，未加 targeting moiety | 建立基準攝取、細胞質 RNA 與蛋白表現 |
相同配方，加入 targeting moiety | 在可比較的粒子品質下，辨識與功能是否一起改善？ |
最佳化配方，未加 targeting moiety | 配方改變本身帶來多少功能提升？ |
最佳化配方，加入 targeting moiety | 選擇性、功能與耐受性是否能同時維持？ |
比較時仍要確認 RNA 劑量、粒子品質、受體表現、非目標細胞及細胞存活等條件，並視需要加入非結合 ligand 或受體阻斷對照。若還要主張「每單位內吞 RNA 的 escape 變好」，就需要量化內吞量與細胞質釋放，不能單靠總蛋白訊號作結論。
對我而言，targeting 的開發目標，是讓足夠完整的 mRNA 在需要的細胞中產生所需功能。有 targeting moiety，還需要能完成 endosomal escape 的配方；有良好配方，也需要證明它在目標細胞中帶來足夠選擇性與功能。 這是整合前述研究的開發判斷，而非任何單一 ligand 或 pKa 數值可以保證的結果。
Corona、pKa 與 escape 如何放進同一個設計？
我會把它拆成一條可追蹤的流程：體液互動 → 細胞接觸與內吞 → 內涵體運輸 → RNA 釋放及解包 → 細胞質功能。 它們會互相影響，卻不能用一個指標取代整條流程。
Corona 可能影響粒子與哪些細胞及受體互動；這可能改變內吞與運輸，但是否提高逃脫，仍需要直接實驗。表觀 pKa 提供的是對質子化行為的線索，還要配合脂質構形、膜接觸、PEG 的遮蔽與脫附、以及 RNA 解包來看。增加攝取，不必然增加細胞質內可用的 RNA。
例如，若同一批粒子在不同血清條件下有相近的內吞量，卻有不同蛋白表現，我會進一步檢查細胞內運輸、逃脫、RNA 完整性與轉譯，而不直接宣布 corona 改善了 endosomal escape。這是研究判讀與實驗設計的推論，不是已被證明適用所有配方的單一路徑。
假設情境：攝取得多，為什麼可用 RNA 反而少？
為了把問題具體化，以下使用完全假設的數字。假設兩種配方的 RNA 均完整，已排除細胞表面黏附，並且能定義內吞 RNA 進入細胞質的比例：
假設讀值，每個細胞 | 配方 A | 配方 B |
內吞的 RNA 分子數 | 10,000 | 5,000 |
其中進入細胞質的比例 | 1% | 5% |
計算得到的細胞質 RNA 分子數 | 100 | 250 |
這不是任何論文的實測數據，也不是建議的效能門檻。它只示範：配方 A 的內吞量雖是 B 的兩倍，若後續釋放比例較低，進入細胞質的 RNA 仍可能較少。這個乘法也不等於蛋白表現或療效，因為後面還有解包、RNA 完整性、轉譯與細胞狀態等條件。
如果只用「細胞裡有多少標記訊號」挑選候選配方，就可能把擅長累積在內涵體的粒子，誤認為擅長功能性遞送的粒子。這正是需要把不同讀值接起來的原因。
哪些量測，真的能支持 escape？
量測 | 主要回答的問題 | 不能單獨證明什麼 |
標記 RNA／脂質的流式或影像 | 粒子或貨物相關訊號是否與細胞接觸、被攝取 | 要排除表面黏附；脂質標記不等於完整 RNA |
與 Rab5、Rab7、LAMP1 等標記的動態共定位 | 貨物經過哪些細胞內區室 | 共定位下降可能有其他原因，不能直接換算逃脫率 |
Galectin-8／Galectin-9 recruitment | 內涵體膜受損事件 | 不直接量出釋放的完整 RNA 分子數或轉譯能力 |
細胞質分離後的 RNA 定量 | 細胞質分畫中是否可測得 RNA | 需要排除內涵體污染，並評估 RNA 完整性 |
蛋白表現、knockdown 或編輯 | 是否有功能性遞送 | 結果同時受 RNA 設計與細胞狀態影響，不能獨自定位瓶頸 |
Munson 等人的 Galectin-9 平台，將攝取、膜損傷事件與 mRNA 轉譯放在一起分析，也觀察到細胞系之間的差異。它支持使用互補讀值，而不是只靠一張螢光圖判斷 escape。原始方法研究
我也會要求時間與劑量配對、適當陰性對照，以及細胞存活與膜損傷的檢查。讓更多膜受損，不應自動被視為更好的藥物遞送。
Protein corona 一定是包在外面的一圈蛋白嗎？
常見示意圖會把 corona 畫成包住粒子的外殼。2026 年《Nano Letters》的一項研究，對這個直覺提出了值得注意的修正：受測 LNP 未呈現典型的外圍蛋白殼層，影像、競爭實驗與模擬支持脂蛋白整合及膜重塑的模型。不過，作者也指出部分電子緻密結構可能是膜突起（blebs），或膜突起與融合脂蛋白並存，不能僅憑這些影像確定每一個結構的身分。原始研究
這不代表所有 LNP 的蛋白互動都已被重新定義。它提醒我們，對可重塑的脂質粒子而言，「測到哪些伴隨蛋白」與「這些蛋白以什麼結構參與粒子」是兩個問題。本文對該研究的解讀限於可取得的摘要與圖說，未延伸判斷全部補充實驗。
與先前的 ERTLNP、CAR-NK 文章如何接起來？
在先前的 ERTLNP 文章中，我談過材料本身如何影響遞送與 T-cell 狀態；CAR-NK 主題則討論受體導向的遞送與免疫調控。
Protein corona 補上的，是粒子進入生物體液後的介面變化。這些觀點可以並存，但必須避免跨研究替機制補空白：SORT 中某種蛋白的角色，不能直接拿來解釋 ERTLNP；某個 corona 圖譜，也不能取代另一個配方的受體功能實驗。
細胞標靶例子：CD5 與 FAP 在做不同工作
Rurik 等人 2022 年的研究，使用 CD5 定向 LNP 把編碼 FAP CAR 的 mRNA 送入 T cells，並在小鼠心臟損傷模型中評估效果。這個設計有兩個不同的辨識層次：CD5 是遞送端用來接觸 T cells 的標記；FAP 則是生成的 CAR 要辨識的標的。原始研究
把這兩層拆開，就比較不會把「LNP 指向誰」和「被工程化的免疫細胞之後攻擊誰」混在一起。此處用它說明 targeting 的定義；這項小鼠研究不能代替 corona 的機制實驗，也不是人體心臟疾病療效的證明。
從相關性走向因果，我會看哪些實驗？
對我而言，一個有說服力的機制，需要把材料、蛋白、受體與功能接起來。以下是評估問題，不是所有研究都必須使用同一套程序。
實驗問題 | 有助回答它的證據 | 解讀時要注意 |
哪些蛋白與粒子一起被回收？ | 蛋白質體分析、合適的背景與分離對照 | 伴隨出現不等於具有遞送功能 |
候選蛋白是否影響遞送？ | 去除、阻斷或基因擾動 | 操作可能同時改變體液或粒子性質 |
補回蛋白能否恢復表現？ | 回補與適當對照 | 濃度、物種與蛋白狀態可能影響結果 |
是否透過特定受體作用？ | 受體阻斷或缺失，加上細胞層級分析 | 仍須區分攝取與 RNA 的功能性作用 |
這也是為什麼只看到器官發光，還不足以宣布機制完成。需要知道哪些細胞產生表現，以及候選蛋白的改變是否真的改變了所需功能。
小鼠血清裡有效，為什麼還要換成人體相關環境？
一項 2025 年研究在肝臟人源化小鼠與原代人類肝細胞系統中，顯示血清因素可以造成物種相關的 LNP 遞送限制。原始研究
它提供的是特定模型中的轉譯警訊，不能解讀成某一脂質在人類一定無效，也不能直接套用到肌肉注射疫苗。它支持的實務問題是：配方的表現，究竟依賴哪一種血清環境？
從這裡延伸，我會希望開發者比較不同來源的體液、細胞與疾病相關條件，並把重複給藥時的免疫反應及非目標暴露一起納入。單一物種的一次成功，需要更多證據才能支持人體使用。
從 CMC 角度，真正需要可重複的是什麼？
如果某個配方依賴蛋白互動，產品一致性就值得往功能層次追問：兩批產品的粒徑與包封率接近時，是否也維持相近的目標細胞遞送？儲存或製程改變後，原本的生物表現是否仍成立？
表觀 pKa 可以納入配方表徵，但應確認方法對改變的敏感度與可重複性。Escape assay 則要先釐清量到的是膜損傷、細胞質 RNA，還是下游功能。兩批產品具有相同的 pKa，不能直接代替細胞層級效力的比較；相同的 reporter expression，也可能掩蓋不同攝取量或毒性。
這是我對開發策略的推論，不代表已有一項通用規定，要求所有 LNP 都把 corona proteomics 列為放行檢驗。分析方法應圍繞具體產品與作用機制建立，並證明它能偵測有意義的變化。
Protein corona 值得關注，因為配方設計完成之後，生物環境仍會參與塑造粒子的行為。當我們把 pKa 與 endosomal escape 一起納入，開發問題才完整：粒子如何被細胞辨認、在哪裡改變電荷與膜互動，以及最後有多少完整 RNA 真正進入細胞質、完成所需功能。
參考資料
1. Li J, et al. Emerging Lipid Nanoparticle Targeting Strategies for Extrahepatic Delivery of RNA Therapeutics. Advanced Materials. 2026. DOI
2. Akinc A, et al. Targeted Delivery of RNAi Therapeutics With Endogenous and Exogenous Ligand-Based Mechanisms. Molecular Therapy. 2010. DOI
3. Dilliard SA, Cheng Q, Siegwart DJ. On the mechanism of tissue-specific mRNA delivery by selective organ targeting nanoparticles. PNAS. 2021. DOI
4. Dilliard SA, et al. The interplay of quaternary ammonium lipid structure and protein corona on lung-specific mRNA delivery by selective organ targeting (SORT) nanoparticles. Journal of Controlled Release. 2023. DOI
5. Lipid Nanoparticle Protein Coronas Arise through Lipoprotein Fusion Rather Than Shell-like Adsorption. Nano Letters. 2026. DOI
6. Stone D, et al. Serum factors create species-specific barriers to hepatic gene transfer by lipid nanoparticles in liver-humanized mice. Molecular Therapy Methods & Clinical Development. 2025. DOI
7. Jayaraman M, et al. Maximizing the Potency of siRNA Lipid Nanoparticles for Hepatic Gene Silencing In Vivo. Angewandte Chemie International Edition. 2012. DOI
8. Hassett KJ, et al. Optimization of Lipid Nanoparticles for Intramuscular Administration of mRNA Vaccines. Molecular Therapy Nucleic Acids. 2019. DOI
9. Trollmann MFW, Rossetti P, Böckmann RA. Membrane environment sets the functional pKa of ionizable lipids. Biophysical Journal. 2026. DOI
10. Gilleron J, et al. Image-based analysis of lipid nanoparticle-mediated siRNA delivery, intracellular trafficking and endosomal escape. Nature Biotechnology. 2013. DOI
11. Wittrup A, et al. Visualizing lipid-formulated siRNA release from endosomes and target gene knockdown. Nature Biotechnology. 2015. DOI
12. Munson MJ, et al. A high-throughput Galectin-9 imaging assay for quantifying nanoparticle uptake, endosomal escape and functional RNA delivery. Communications Biology. 2021. DOI
13. Spatial Conformation of Ionizable Lipids Regulates Endosomal Membrane Disruption. Journal of the American Chemical Society. 2025. DOI
14. Carrasco MJ, et al. Ionization and structural properties of mRNA lipid nanoparticles influence expression in intramuscular and intravascular administration. Communications Biology. 2021. DOI
15. Priss A, et al. RNA Size and Structure Modulate the Apparent pKa of Ionizable Lipid Nanoparticles. Bioconjugate Chemistry. 2026. DOI
16. ONPATTRO (patisiran) lipid complex injection: Prescribing Information. Sections 11 and 12.1. DailyMed
17. Cheng Q, et al. Selective organ targeting (SORT) nanoparticles for tissue-specific mRNA delivery and CRISPR-Cas gene editing. Nature Nanotechnology. 2020. DOI
18. Rurik JG, et al. CAR T cells produced in vivo to treat cardiac injury. Science. 2022. DOI
縮寫註解
LNP：脂質奈米粒子；mRNA：信使 RNA；siRNA：小干擾 RNA；ApoE：載脂蛋白 E；LDLR：低密度脂蛋白受體；PEG：聚乙二醇；SORT：selective organ targeting，選擇性器官遞送；CMC：化學、製造與管制；pKa：酸解離常數的負對數，表觀 pKa 為配方層級、方法相關的指標；TNS：用於探測粒子介面正電性的螢光探針；NMR：核磁共振；HII phase：反六角相，一種非雙層脂質結構；Rab5／Rab7：參與內涵體運輸的蛋白；LAMP1：常用於辨識晚期內涵體／溶酶體區室的膜蛋白；Galectin：半乳糖凝集素，部分成員可用於偵測內涵體膜受損；TTR：transthyretin，轉甲狀腺素蛋白；CAR：嵌合抗原受體；FAP：纖維母細胞活化蛋白；DSPC／DOPE：兩種常見輔助磷脂；DOTAP／18PA：本篇 SORT 案例中的永久陽離子／陰離子脂質。
引用資料最後複核：2026 年 11 月 4 日，美東時間；此為本文既有論述與引文的複核，非完整文獻更新。本文為一般科學與開發資訊，不構成個人醫療或特定產品申報建議。
留言