LNP（脂質納米顆粒）的成功應用于mRNANCP疫苗已經激發了許多研究人員對其組成和功能進行深入探索。然而，隨著研究的進行，人們逐漸發現LNP在靶向性方面存在一些缺點。因此，如何有效提高其靶向性成為當前LNP研發的熱點問題之一。

根據近期發表在《Materials today Advances》的文章，我們可以看到當前LNP靶向性研究所面臨的挑戰以及未來的展望。

一步法

小分子配體，如葉酸、碳水化合物和短肽，可以共價連接到現有的脂質分子或兩親分子上，產量高。同時，獲得的靶向配體在組裝過程中非常穩定，例如耐受有機溶劑。在這種情況下，靶向脂質納米顆粒可以通過一步法組裝產生。靶向配體開始時與結構脂質混合，然后采用組裝方法形成靶向脂質納米顆粒。組裝方法包括薄膜蒸發、微流控技術和乙醇注入法。該方法允許通過控制靶向配體的進料比來合理調節配體密度。

高通量配方篩選

靶向脂質納米顆粒由結構脂質、輔助脂質、靶向配體以及包封的藥物組成。這些成分的組成和比例直接改變了靶向脂質納米顆粒的功能。同時，乙醇注入液和微流控技術的脂相和水相流速、擠出膜的孔徑以及靶向配體與預制普通脂質納米粒子之間的共軛率等參數會影響終得到的靶向脂質納米粒子的理化性質。粒徑、分散性、表面電荷、靶向配體的表面密度等理化性質是決定體內藥代動力學和藥效學特性、靶向性和treatment指數的關鍵因素。

為了篩選制造靶向脂質納米顆粒的配方，傳統的試錯策略變得資源密集且耗時。近年來，機器學習（ML）的explosion式增長激發了包括藥物配方篩選在內的wide領域的大量創新。通過使用現有數據訓練計算模型，該技術允許人們預測特定藥物配方的特性，即使使用未知材料也是如此。數據集的計算模型和基礎決定了可預測性的準確性。目前，基于已成功和失敗制劑的數據集，ML有助于篩選理想的制劑，以提高包封藥物的水溶性，可持續的藥物釋放曲線以及延長保質期和穩定性。此外，新興市場可用的材料篩選試劑盒也將加速靶向脂質納米顆粒的早期發現。

關于靶向脂質納米顆粒的應用和種類，讀者可參考近的兩篇綜述：

2.Nakamura T, Sato Y, Yamada Y, Abd Elwakil MM, Kimura S, Younis MA, Harashima H. Extrahepatic targeting of lipid nanoparticles in vivo with intracellular targeting for future nanomedicines. Adv Drug Deliv Rev. 2022 Sep;188:114417. doi: 10.1016/j.addr.2022.114417. Epub 2022 Jul 3. PMID: 35787389.

3.Zhao Z, Ukidve A, Kim J, Mitragotri S. Targeting Strategies for Tissue-Specific Drug Delivery. Cell. 2020 Apr 2;181(1):151-167. doi: 10.1016/j.cell.2020.02.001. PMID: 32243788.