_____________________

Retour thème de recherche

Conception de lipides, synthèse-Nassima Oumata, Nathalie Mignet

L’équipe vecteur synthétise de nouveaux lipides pour la délivrance d’ARNm et l’optimisation de leur formulations.

L’équipe a mis en place la post-encapsulation d’ARNm afin d’économiser lipides et ARNm et permettre de réaliser l’ensemble des études in vitro avec le même batch de formulation.

Nathalie Mignet a été financée pour un LabCO avec la société Neovacs, et mène le programme VECT-PI pour concevoir de nouveaux lipides à capacité augmentée de libération endosomale.

Duffrène, C. Muzard, J. Seguin, C. Izabelle, T. Vrai, T. Ejlalmanesh, M. Bombled, S. Hamdi, K. Lemdani, K. Alhareth and N. Mignet. Post-encapsulation methods for the preparation of mRNA-LNPs. Drug Deliv Transl Res. 2025, hal-05705116v1

Méthodologie : Microfluidique & Intelligence artificielle – K. Alhareth

Les méthodes de préparation des nanoparticules basées sur les principes de microfluidique s’avèrent être une approche incontournable grâce à la reproductibilité élevée de la production et au contrôle des paramètres de synthèse. La techniques microfluidique permet aussi de produire des nanoparticules à différentes échelles, le volume de production pouvant varier de quelques centaines de microlitres à plusieurs dizaines de litres, selon l’équipement.

A l’UTCBS, nous utilisons la technique microfluidique pour le développement, la préparation et la fonctionnalisation des liposomes. Différents paramètres et conditions de production ont été étudiés : la composition lipidique, le ratio et la concentration molaire, les conditions de débit, la géométrie de chips, etc.

Le développement de cette approche de la préparation des nanoparticules par des technologies avancés et automatisables, comme le microfluidique, est en parfaite synergie avec l’application des outils de l’intelligence artificielle (IA). Dans ce projet, la complexité, la quantité et la qualité des données encouragent i) l’utilisation des méthodologies computationnelles, plan d’expériences (DoE), pour concevoir des séries d’essais, ii) l’automatisation de la collecte, de la transformation et de la visualisation des donnée, iii) et le développement des modèles basés sur le réseau neuronal artificiel (ANN) pour prédire les propriétés physico-chimiques des nanoparticules.

La préparation des liposomes per des méthodes microfluidiques assistées par des outils de l’IA a permis de l’optimisation de la formulation et de la production des liposomes avec une reproductibilité élevée. Notre approche intégrant la technologies microfluidique et des outils de l’IA permettraient d’accélérer le développement et le transfert clinique de médicaments à base de nanoparticules.

Duffrène, M. Guimarães Dos Santos, M. El Hamri, H. Dhôtel, L. Castillo-Henríquez, M. Claeys, Y. Rozenholc, N. Mignet and K. Alhareth. Machine Learning for the Prediction of Size and Encapsulation Efficiency of mRNA-Loaded Lipid Nanoparticles Following a Post-encapsulation Approach. ACS Appl. Bio Mater. 2026

Fabrication microfluidique de liposomes : Développement et optimisation par plan d’expérience et apprentissage automatique

• Rebollo R, Oyoun F, Corvis Y, El-Hammadi MM, Saubamea B, Andrieux K, Mignet N, Alhareth K. Microfluidic Manufacturing of Liposomes: Development and Optimization by Design of Experiment and Machine Learning. ACS Appl Mater Interfaces. 2022 Sep 7;14(35):39736-39745. doi: 10.1021/acsami.2c06627.
• Huiyu Chen and Khair Alhareth, « Optimization of the ethanol removal step of liposome production using microfluidics. », Oral presentation, the 6th EMJMD NANOMED WORKSHOP, Rio-Patras, Greece, July 2023.
• Georgia Hanley, Pauline Chavrier, Mattia Tiboni, Luca Casettari, Khair Alhareth, Karine Andrieux, « From thin-film hydration to microfluidics: a translational approach for the preparation of liposomes functionalized with a peptide isolated from VAR2CSA for placenta targeting. », Poster, the 6th EMJMD NANOMED WORKSHOP, Rio-Patras, Greece, July 2023.

_____________________

Retour thème de recherche

À lire aussi