做肝靶向LNP的同行，大概率都踩过这个坑：

明明往配方里加了TriGalNAc靶向配体，按理说能走ASGPR主动靶向通路，结果测下来肝脏递送效率没涨多少，甚至还不如不加。

最近约翰霍普金斯团队在ACS Nano发的一篇文章，直接把这个问题讲透了——靶向配体能不能起效，不只是“加不加”的问题，更关键的是要给配体搭配合适的 PEG 脂质环境。

 

为啥加了GalNAc，效率反而没动静？

先简单说下背景。

传统LNP肝靶向，主要依赖入血后吸附ApoE，再通过肝细胞表面的LDLR被摄取，属于“被动靶向”。  而TriGalNAc能特异性结合肝细胞上高表达的ASGPR受体，相当于多开了一条“主动靶向”的通路。

但实验结果很打脸：

 

在经典的DMG-PEG2000 LNP里，直接加0.1 mol%的DSPE-PEG2000-TriGalNAc，肝脏荧光素酶表达基本没变化。

 

DMG-PEG2000 LNP加/不加TriGalNAc的肝脏荧光素酶表达对比，两组无统计学差异。

 

目前行业普遍认为，核心原因可能在于 LNP 表面的 PEG 层：

• PEG 太短、锚定不牢，入血很快就掉了，配体还没碰到受体就没了；
• PEG 太长、铺得太密，直接把配体盖住了，细胞根本认不出来；
• 稳定用的 PEG 和带配体的 PEG 长度不搭，GalNAc 根本露不出来。

说白了，你不能只盯着“有没有配体”，得给配体留出能“伸手”结合受体的空间。

 

核心解法：短PEG稳循环，长PEG展示配体

 

团队把不同锚定结构（DMG、DMPE、DSG、DSPE）、不同分子量的PEG脂质都筛了一遍，和TriGalNAc做组合。在该研究的实验条件下，筛选出的递送效率最高的配方 LNP 22，组成很明确：3 mol% DSPE-PEG350 + 0.1 mol% DSPE-PEG2000-TriGalNAc

 

不同PEG脂质配方的肝脏递送效率对比柱状图，可直观看到LNP22的递送效率远超其他配方。

 

提升效果非常显著：

• 比传统 DMG-PEG2000 LNP，肝脏 mRNA 表达高 4~6 倍；
• 比 DSPE-PEG2000 LNP，直接高了约 60 倍；
• 就算和不加配体的 DSPE-PEG350 配方比，也提升了 6.3 倍。

 

其实这套逻辑很顺，不是选短 PEG 或者长 PEG，是俩各司其职：

• 长链的 DSPE-PEG2000-TriGalNAc：理论上能把 GalNAc 支到水化层外面，更利于接触 ASGPR 受体；
• 短链的 DSPE-PEG350：PEG 短，不会挡着细胞内吞，而且 DSPE 的双 C18 链锚得牢，循环稳定性也够。

 

这里还有个很有意思的点：

LNP 22在体外HepG2细胞里的摄取量，其实不是最高的。但一打去小鼠体内，肝脏递送效果直接拉满。

 

这也提醒我们，做靶向 LNP 不能只拿体外细胞实验当最终判断标准，体内药代、组织分布是更关键的评价依据。

 

体外细胞摄取与体内递送效果的对比，体现体外体内结果的差异性。 

 

体内实锤：PCSK9编辑40%，降脂效果能扛住

 

光看报告基因表达不够，团队直接上了碱基编辑实验，用LNP共送ABE8e mRNA和sgRNA，打PCSK9靶点。

 

PCSK9编辑效率、血浆胆固醇变化数据图，包含编辑率、蛋白水平、血脂水平的多时间点检测结果。

 

体内实验结果显示：

• 肝脏里 PCSK9 的编辑效率约 40%，是传统 DMG-PEG2000 LNP 的 2 倍；
• 血浆里 PCSK9 蛋白降了 65%，给药第 21 天，血浆胆固醇明显降下来了；
• 到第 42 天再测，肝脏里 PCSK9 蛋白还是低了 60% 左右，效果很稳；
• 肝外组织的编辑水平极低，脾脏编辑率不足 0.6%，整体靶向特异性良好。

 

写给 LNP 研发同行：这篇研究藏着 4 个值得细品的底层启示

1. 别再迷信 “配体堆砌”，靶向效率的核心影响因素之一，是 LNP 的表面微环境

我们之前做靶向 LNP，很容易陷入一个惯性：效率不够就加配体、换更高亲和力的配体、提配体比例。

但这篇研究直接给我们提了个醒：同样的 Tri-GalNAc 配体，同样的添加比例，只换了基础 PEG 脂质，肝脏递送效率就能差出 60 倍。

说白了，配体只是 “工具人”，真正决定它能不能干活的，是整个 LNP 的表面微环境 ——PEG 链的长度、锚定的牢固度、配体周围的空间位阻，这些因素共同决定了配体能不能暴露出来、能不能在循环里留到靶细胞、能不能有效结合受体。

脱离基础配方单独优化配体，往往事倍功半。

2. 体外细胞实验只是参考，体内验证才是关键

举个很现实的例子：我们日常筛处方，大多先跑 HepG2 细胞摄取，把摄取低的配方直接 pass，只留高的去做体内。

但这篇研究狠狠打了这个惯性的脸：LNP22 在体外的细胞摄取量，比经典 DMG-PEG2000 配方低了 5~11 倍，可一打去小鼠体内，肝脏递送效率直接反超 4~6 倍。

原因也不复杂：体外细胞实验没有血液循环、没有蛋白冠形成、没有网状内皮系统清除，模拟不了体内真实的递送全过程。

这也提醒我们：体外筛选可以做初筛，但不能简单把体外结果当作淘汰标准，不然很容易错过更适合体内环境的配方。

3. “功能拆分式” PEG 设计，是可复用的靶向优化框架

这篇研究最有价值的，从来不是 “LNP22” 这个现成配方，而是它的设计思路。

之前我们做 PEG 化，习惯用一种 PEG 脂质包打天下：既当稳定剂，又用来接配体。结果经常顾此失彼：要稳定就用长 PEG，结果配体被埋住；要配体暴露就用短 PEG，结果颗粒循环差、容易被清除。

而这项研究直接把 PEG 的功能拆成了两半：

• 用短链 DSPE-PEG350 做 “基础稳定剂”：锚定牢、适度控循环，不挡细胞摄取；
• 用长链 DSPE-PEG2000-TriGalNAc 做 “靶向展示臂”：把配体支到水化层外面，专门负责结合受体。

两者各司其职，刚好平衡了循环稳定性、配体暴露度、细胞摄取效率三个核心矛盾。

这个设计思路可以迁移到其他靶向体系中 —— 不管是多肽、抗体还是其他糖配体，都可以试试 “短 PEG 稳盘 + 长 PEG 带配体” 的搭配逻辑。

4. 辅料优化是降低临床门槛的底层路径

最后说点转化层面的感受。

现在很多肝靶向基因编辑疗法，卡在剂量高、毒副作用大、难以重复给药上。而这篇研究里，只通过 PEG 脂质的搭配优化，就在低剂量下实现了 40% 的 PCSK9 编辑，同时还降低了抗 PEG 抗体的产生。

说白了，不用换离子脂质、不用改核酸结构，只靠辅料层面的精细优化，就能显著提升递送效率，同时还能降低抗 PEG 抗体水平，为降低给药剂量、改善长期给药耐受性提供了空间。

这也给我们指了个方向：临床转化的瓶颈，有时候不在新分子、新靶点，而在制剂辅料的精细化打磨。

 

做肝靶向LNP，我们能帮上什么忙

聊完这篇研究的底层思路，不少做配方的同行应该会问：想落地这套 “短 PEG 稳循环、长 PEG 展配体” 的优化方案，有没有现成的辅料能直接用？

刚好，我们赛诺邦格自主研发的 GalNAc-PEG-DTA-5-2K，正是基于这套“长间隔臂展配体、强锚定保稳定”的设计逻辑开发的肝靶向功能性 PEG 脂质。搭配我们全系列的 LNP 辅料，可为靶向 LNP 的处方筛选与优化提供辅料层面的支持。

 自主 IP GalNAc 靶向脂质：精准匹配 “长链展配体” 需求

我们这款 GalNAc-PEG 脂质不是随便把配体接在 PEG 上，是实打实的三段式精准设计：

• 顶端是 GalNAc 靶向头，可特异性结合肝细胞表面高表达的 ASGPR 受体，是目前肝靶向研究中应用较为广泛的受体之一；
• 中间是2K Da 的 PEG 间隔臂，设计上旨在将靶向头延伸至 LNP 水化层外，维持配体的自由构象，利于与受体结合，正好对应研究里 “长 PEG 展示配体” 的核心思路；
• 采用自研 DTA-5 疏水锚结构，优化了在 LNP 双分子层中的锚定稳定性，旨在减少体内循环中的脱落，有助于维持配体稳定性。

 全规格 PEG 脂质库：短链稳盘的基础款全覆盖

要搭好 “长短搭配” 的配方，光有靶向脂质不够，用来做基础稳定的短链 PEG 也得跟上。

我们备齐了 350~5000 Da 范围内常用分子量的 PEG 脂质，锚定结构覆盖 DMG、DSPE、DMPE 这些主流类型。像研究里用到的 DSPE-PEG350、DMG-PEG2000 等这类常见品规，从科研级到 GMP 级我们都能覆盖。不管是早期处方筛选摸索，还是后期临床申报，都能顺畅衔接。

 全系列 LNP 辅料一站式配齐，不用东拼西凑

除了 PEG 脂质和 GalNAc 靶向辅料，我们还有自主 IP 的可电离阳离子脂质、高纯度的 DSPC/DOPE 等辅助脂质、胆固醇，常规 LNP 处方所需的核心辅料，在我们这一站就能配齐

不用找好几家供应商拼货，质量标准统一，供货也稳定，还能省掉不少来回沟通和重复质控的成本。

 

总的来说，从基础的辅料供应，到靶向配方的优化支持，再到申报阶段的资料配合，我们都能提供全方位的技术支持。想做 GalNAc 靶向 LNP 的朋友，欢迎随时找我们聊细节。

 

参考文献

[1] Abbasi S, Bockley KM, Dohr J, et al. Boosting Ligand-Mediated Hepatic mRNA Delivery and Gene Editing Through Coordinated Pairing of Polyethylene Glycol-Modified Lipids[J]. ACS Nano, 2026. DOI: 10.1021/acsnano.6c10855.

数据来源声明：本文所引“60倍”“4~6倍”“40%编辑效率”等数据，均来自参考文献[1]所载研究，基于特定动物模型与特定配方条件获得。该等数据仅用于科学文献分享，不构成本公司任何产品性能的保证或承诺，实际效果因配方、实验条件和使用场景而异。