分享自:

低强度聚焦超声引导的CXCL10、IL-2和APD-L1序贯递送用于胶质母细胞瘤免疫治疗

期刊:Advanced MaterialsDOI:10.1002/adma.202407235

低强度聚焦超声引导CXCL10、IL-2和aPD-L1序贯递送增强胶质母细胞瘤免疫治疗的“开源节流”策略

作者及机构
本研究由Lei Dong、Yini Zhu、Haoge Zhang等共同完成,通讯作者为Shenghong Ju、Xiaoyuan Chen、Haijun Zhang和Jinbing Xie。研究团队来自中国东南大学医学院附属中大医院肿瘤科、江苏省人工智能影像与介入放射学国家重点实验室培育中心,部分作者来自新加坡国立大学和澳门大学。论文发表于*Advanced Materials*期刊,2024年9月12日在线发表(DOI: 10.1002/adma.202407235)。

学术背景
胶质母细胞瘤(Glioblastoma, GBM)是恶性程度最高的原发性脑肿瘤,传统手术、放化疗效果有限,免疫治疗因免疫抑制性肿瘤微环境(Tumor Microenvironment, TME)和血脑屏障(Blood-Brain Barrier, BBB)的限制难以奏效。研究团队提出“开源节流”(Open-Source Throttling)策略:通过低强度聚焦超声(Low-Intensity Focused Ultrasound, LIFU)引导序贯递送CXCL10(招募CD8+ T细胞)、IL-2(减少T细胞耗竭)和aPD-L1(免疫检查点抑制剂),以增强T细胞浸润并逆转TME免疫抑制。

研究流程与方法
1. 载体构建与表征
- CXCL10负载微泡(C@MBs):采用磷脂包裹全氟丙烷气体,负载CXCL10(封装效率96%),平均粒径1178 nm,通过LIFU(0.40 W/cm²)触发释放。
- IL-2/aPD-L1负载纳米泡(IP@DCNBs):以PLGA(聚乳酸-羟基乙酸共聚物)为内核,融合成熟树突状细胞膜(DC membrane, DM)形成仿生纳米泡,负载IL-2(封装效率95%)和aPD-L1(62%),通过LIFU(1.58 W/cm²)触发“空化效应”释放。

  1. 体外实验验证

    • CXCL10招募T细胞:Transwell实验显示,LIFU-C@MBs组T细胞迁移量比游离CXCL10组高1.72倍(流式细胞术数据)。
    • IL-2抑制T细胞耗竭:WB和流式分析证实,IP@DCNBs组PD-1、TIM-3和CTLA-4表达量分别降低4.41倍、3.27倍和2.42倍。
  2. 体内疗效评估

    • GBM原位小鼠模型:GL261细胞颅内接种后,LIFU序贯治疗组(C@MBs + IP@DCNBs)肿瘤体积缩小3.39倍(MRI定量),生存期显著延长(Log-rank检验,p<0.001)。
    • 免疫微环境调控:ELISA检测显示,治疗组肿瘤内IFN-γ和TNF-α水平分别升高3.65倍和7.54倍,TGF-β和IL-10降低60%-72%。
  3. 安全性分析

    • LIFU(0.40 W/cm²)可逆性开放BBB,持续3小时,未引起脑组织炎症或凋亡(H&E和TUNEL染色验证)。
    • 血液生化指标(ALT、AST等)和器官病理学未见异常(表S2-S3)。

主要结果
1. 靶向递送效率:LIFU-C@MBs使脑内CXCL10浓度提升46倍,IP@DCNBs使aPD-L1在肿瘤区域富集(荧光成像验证)。
2. 免疫细胞动态:治疗组CD8+ T细胞比例增加3.39倍,Treg细胞减少6.82倍,CD8+/Treg比值提升18.74倍(流式数据)。
3. 长效免疫记忆:存活小鼠二次接种肿瘤后无复发,脾脏效应记忆T细胞(TEM)比例升高2.14倍(图S42)。

结论与意义
本研究首次提出LIFU引导的“开源节流”策略,通过时空精准调控T细胞招募与活化,克服了GBM免疫治疗的三大瓶颈:BBB穿透不足、T细胞浸润少和耗竭。其科学价值在于:
1. 方法学创新:LIFU分阶段触发不同载体释放,避免系统性毒性;
2. 临床转化潜力:微泡和纳米泡已通过FDA批准用于超声造影,技术成熟度高;
3. 广谱应用可能:该策略可扩展至其他免疫抑制性肿瘤(如胰腺癌)。

研究亮点
1. 多级联设计:CXCL10-IL-2-aPD-L1序贯递送形成“招募-激活-维持”闭环;
2. 仿生载体优化:DC膜修饰纳米泡增强肿瘤靶向性和抗原提呈;
3. 动态监测技术:结合MRI和活体荧光成像实现治疗全程可视化。

其他价值
研究揭示了CXCL10-IL-2协同作用的新机制,并为超声介导的脑部药物递送提供了标准化参数(如LIFU强度0.401.58 W/cm²)。团队开发的“空化效应”量化模型(图S6)可为后续研究提供工具支持。

上述解读依据用户上传的学术文献,如有不准确或可能侵权之处请联系本站站长:admin@fmread.com