图1. aroLNP技术原理示意图（基于JACS 2026, 148(13), Fig.1重绘）

一、LNP为什么容易肝富集——困扰mRNA递送十年的问题

LNP的肝富集不是偶然，而是两层因素叠加的结果。

第一层是生理结构。肝窦内皮细胞有100-200 nm的窗孔，而LNP的典型粒径正好落在这个区间——LNP从血液进入肝组织几乎是被"筛"进去的。再加上肝脏驻留的大量Kupffer细胞是专职吞噬细胞，对纳米颗粒来说，肝脏就是一个天然的收集站。

第二层更关键，是脂质设计的历史选择。LNP四组分中，可电离脂质（如SM-102、ALC-0315）的pKa在6-7之间，在血液pH 7.4下接近中性。但这些脂质与载脂蛋白ApoE有较高的亲和力，而ApoE在肝脏高表达——LNP表面吸附的ApoE越多，肝细胞通过LDL受体摄取的效率就越高。这不是巧合：SM-102和ALC-0315在开发阶段就是按照"最大化肝脏表达"来优化的，因为mRNA疫苗需要高效表达抗原，肝细胞恰好是极好的蛋白质工厂。

对疫苗来说，肝摄取并不致命——肝脏表达抗原同样能激发免疫应答。但如果把场景换成CAR-T的体内重编程，你需要LNP把编辑工具送到T细胞，而不是肝脏；换成肺部基因修复，你需要LNP到达肺泡上皮，而不是肝脏；换成需要重复注射的肿瘤免疫治疗，肝累积会在第二、第三次给药时放大毒性——Kupffer细胞已经摄入过一次，二次暴露时炎症因子和转氨酶都可能升高。

传统解决思路主要有两条：一是配方层面调整，比如改变PEG脂质比例、调整胆固醇含量来改变LNP的表面性质和粒径；二是配体修饰，在LNP表面接上靶向分子（如抗体、多肽、适配体）来"引导"LNP去特定组织。两条路线都有进展，但都有局限——配方调整的靶向精度有限，配体修饰增加了工艺复杂性和监管成本。

2026年，Mitchell实验室给出了第三条路：不动配方、不加配体，只改可电离脂质的化学结构，就能让LNP"绕开"肝脏。这条路的逻辑是——如果肝富集的根源在于脂质结构与ApoE的相互作用模式，那从分子结构层面重新设计，就能从根本上改变LNP的体内行为。

核心问题由此变为：LNP的组织选择性，到底是一个配方问题，还是一个化学结构问题？aroLNP给出的答案是后者。

二、aroLNP：苯环改写LNP的"默认目的地"

Mitchell团队的设计思路可以拆成三个模块：

1. 胺核心：提供可电离的叔胺基团，pKa控制在6-7区间，保证内体逃逸能力
2. 可调尾链长度：C6到C12，调节疏水性和膜融合效率
3. 苯环区域化学：在尾链中嵌入1,2-（邻位）、1,3-（间位）或1,4-（对位）取代苯环，作为刚性支架产生区域化学差异

苯环在这里不只是"加个环"那么简单。它同时扮演三个角色：一是作为刚性支架，改变脂质分子的整体构象和堆积行为；二是通过π-π相互作用增强mRNA的稳定性及转染效率；三是引入二硫键提高生物降解性——aroLNP的全称中"Bioreducible"就来自这里。

但真正让业界关注的不是设计本身，而是给药后的结果。

关键数据：肝降10倍，淋巴结不降反升

研究团队以SM-102（Moderna新冠疫苗LNP的标准可电离脂质）为对照，在小鼠模型中系统比较了aroLNP的器官分布：

• 肝表达量（肌肉注射）：所有aroLNP组小鼠肝脏荧光素酶水平至少比SM-102低10倍
• 肝表达量（静脉注射）：aroLNP肝脏递送量比SM-102低至少4倍，同时实现强烈的脾脏转染
• 淋巴结递送：aroLNP在淋巴结中展现与SM-102相当的强效表达，甚至更强
• 免疫应答：SARS-CoV-2疫苗模型中，aroLNP诱导的高滴度抗原特异性IgG（约10⁷·³至10⁸·³）与SM-102相当；同时显著增加效应记忆T细胞（T_EM）生成，减少终末效应T细胞
• 炎症因子：代表性脂质C6mPhE-383显著降低全身IL-6、TNF和IFN-γ水平

第一作者Hannah Yamagata在宾大新闻稿中的比喻很直观："淋巴结是mRNA疫苗教会免疫系统识别潜在病原体的关键部位。如果LNP有'GPS'，我们希望它的导航终点是淋巴结，而不是肝脏。"

机制解析：为什么苯环能让LNP"绕开"肝脏？

aroLNP的肝脱靶不是靠"屏蔽"肝脏，而是从根源上改变了LNP与血清蛋白的相互作用模式。

传统LNP（如SM-102）进入血液后，表面会吸附ApoE等载脂蛋白，形成所谓的"蛋白冠"（protein corona）。ApoE是肝脏LDL受体的配体——LNP一旦"穿上"ApoE的外衣，就等于挂上了"去肝脏"的标签。SM-102之所以肝表达高，正是因为它与ApoE的亲和力强。

aroLNP的关键突破在于：苯环骨架的引入改变了脂质分子的空间构象和表面性质，使LNP不再依赖ApoE吸附。没有ApoE"导航"，LNP就不会被肝细胞通过LDL受体大量摄取。同时，aroLNP在注射部位表现出强保留特性和低全身循环泄漏——更多LNP留在注射部位引流至淋巴结，而不是随血流冲进肝脏。

需要指出的是，从"苯环引入"到"ApoE非依赖"之间的精确因果链尚未完全阐明——苯环的刚性支架效应、π-π相互作用、分子曲率变化中，究竟是哪种性质主导了血清蛋白吸附模式的改变，仍需进一步的蛋白冠组分分析和结合亲和力定量研究来回答。但无论具体机制如何，实验结果已经明确：苯环骨架的引入足以让LNP摆脱对ApoE的依赖，从而从根本上改变其体内分布。

在淋巴结中，aroLNP主要被树突状细胞（DC）和B细胞内吞，巨噬细胞摄取率低。这个细胞选择性也解释了为什么aroLNP能激发更强的适应性免疫应答——DC是激活T细胞的核心抗原递呈细胞，而减少巨噬细胞摄取意味着减少非特异性清除。

这个结论的意义不止于aroLNP本身。如果组织选择性可以靠脂质化学结构来"编程"，那LNP递送就从"碰运气"进入了"可设计"的时代——你想要LNP去哪个器官，就在脂质结构上做对应的设计。这恰恰也是2025-2026年多个团队正在各自探索的方向。

三、2025-2026：LNP"避肝"靶向的多条路线齐头并进

aroLNP给出了"苯环改构→ApoE非依赖→肝脱靶"的路线，但它不是唯一的方向。2025年到2026年初，至少三个团队从不同角度切入"LNP避肝"这一命题，而且都发表在顶刊上——这说明LNP肝脱靶已经从个别实验室的探索，变成了领域级的共识性方向。

路线一：白蛋白吸附——清华EB-LNP

清华团队的思路和aroLNP截然不同。aroLNP是"甩掉"ApoE的肝导航，EB-LNP则是"换一个导航员"——白蛋白。

研究团队构建了24种带有白蛋白结合基团的离子化脂质（AB-lipid）库，筛选出AB19-lipid为最佳候选，引入四乙烯二醇链接子合成EB-lipid。EB-LNP进入体内后主动吸附白蛋白，利用白蛋白在淋巴液中的高浓度和天然淋巴引流特性，将LNP"导流"至淋巴结，而非随血流进入肝脏。活体成像显示，EB-LNP主要在注射部位和淋巴结积累，而传统PEG-LNP显著积累在肝脏。

值得注意的是，EB-LNP在多种动物模型（小鼠、兔、迷你猪）中均验证了规避肝累积的效果，多次注射后未出现明显肝功能异常，且未诱导产生针对PEG的特异性抗体——这对需要重复给药的治疗场景尤为重要。在B16-OVA黑色素瘤和HPV相关肿瘤模型中，EB-LNP展现了卓越的免疫保护效果。

路线二：AI三维构象筛选——国家纳米科学中心P1脂质

如果说aroLNP是"手动挡"的精细雕琢，国家纳米科学中心的工作就是"自动挡"的AI扫荡——而且他们引入了一个此前被忽略的维度：脂质的三维空间构象。

研究团队构建了可电离脂质分子文库，利用分子动力学模拟勾勒每种脂质的动态3D构象，再将3D构象数据转化为2D密度图像用于AI模型训练。AI模型筛选出的脂质P1呈现稳定的三尾锥形构象，这种构象会特异性吸附免疫球蛋白M（IgM）形成"脾靶向蛋白冠"，从而实现脾脏靶向mRNA递送——通过引导LNP去脾脏，间接避开了肝脏。

关键数据：优选LNP的递送效率较已获批脂质ALC-0315提升14.8倍。P1-LNP递送的mRNA疫苗在小鼠黑色素瘤模型中引发强烈抗体和T细胞应答，显著抑制肿瘤生长。

这项工作的核心贡献不在于P1本身，而在于方法论——它证明了脂质的三维空间构象（而非仅仅是二维结构式）是决定LNP器官分布的关键变量。这与aroLNP的发现形成呼应：苯环引入改变的是分子空间构象，AI模型则直接把构象作为筛选特征。两条路线从不同角度指向同一个结论——构象决定命运。

此外，MIT的Anderson/Langer团队在2026年于Nature Communications上发布了LNPDB数据库，整合了近两万条LNP结构和功能数据，用深度学习模型预测LNP递送性能，发现双层膜稳定性和临界堆积参数与递送效率相关。这类数据驱动的设计框架，未来可能与上述实验路线形成互补——AI负责高通量初筛，实验验证精修结构。

另一值得关注的方向是北京大学程强和中科院动物所魏妥团队的PILOT平台（Nature Materials, 2025.9, DOI: 10.1038/s41563-025-02320-9）。PILOT将多肽与可电离脂质结合，合成了超过120种多肽可电离脂质（PIL），实现了对肺、肝、脾、胸腺、骨骼五个器官的可调控靶向递送。PILOT的定位是"多器官可编程"而非纯粹的"避肝"——它提供的是一种器官选择性的通用策略，但其中"选择靶向肝外器官"的能力，天然涵盖了避肝需求。值得注意的是，PILOT平台的肝靶向和肺靶向LNP还能高效共递送先导编辑组分，实现器官特异性基因编辑，这为LNP递送从疫苗向基因治疗拓展提供了重要参考。

三条路线对比

此外，MIT的Anderson/Langer团队也在2026年于Nature Communications上发布了LNPDB数据库，整合了近两万条LNP结构和功能数据，用深度学习模型预测LNP递送性能，发现双层膜稳定性和临界堆积参数与递送效率相关。这类数据驱动的设计框架，未来可能与上述实验路线形成互补——AI负责高通量初筛，实验验证精修结构。

三条路线，三种机制，但共同指向同一个趋势：LNP的组织选择性正在从"生理结构决定的被动命运"变为"化学结构设计的主动选择"。对于上游脂质原料供应商和配方研发人员来说，这意味着新的可电离脂质结构一旦定型，对应的辅助脂质配方也需要同步迭代。

四、新结构对LNP配方原料的影响——上游供应商需要关注什么

aroLNP、EB-LNP、P1-LNP虽然路线不同，但对配方体系的影响有一个共同点：当可电离脂质的结构发生根本性变化——从线性烷基尾链变为苯环骨架、从单一脂质变为多肽-脂质偶联物、从平面结构变为锥形三维构象——LNP的组装行为、表面性质和体内分布都会随之改变，原有的辅助脂质配方参数不再适用。

DSPE-PEG比例需要重新优化

在传统LNP四组分中，PEG脂质（如DMG-PEG2000或DSPE-PEG2000）负责在LNP表面形成水化层，防止聚集、延长循环时间。PEG脂质的比例直接影响LNP的粒径、稳定性和体内分布——比例过高会抑制细胞摄取，过低则容易聚集。

aroLNP的苯环骨架改变了脂质的疏水性和堆积行为，EB-LNP引入了白蛋白结合基团，P1的三尾锥形构象改变了分子的临界堆积参数。这些变化意味着LNP表面的PEG密度分布和"脱落动力学"都会不同。以aroLNP为例，其注射部位强保留特性可能对PEG的"脱壳"速率有不同要求——PEG需要在淋巴结微环境中及时脱落以暴露LNP表面、促进DC摄取，但在循环过程中需要保持稳定。这就要求配方研发人员针对新型可电离脂质重新筛选DSPE-PEG的最优比例，而非直接套用SM-102或ALC-0315的既有配方。值得注意的是，清华EB-LNP论文中明确报道了EB-lipid的最优质量百分比为2.70%——这一数据直接说明了新型功能化脂质引入后，配方比例确实需要重新优化，而非沿用传统参数。国家纳米中心的研究同样表明，P1脂质的三尾锥形构象改变了分子的临界堆积参数，这种结构层面的变化必然传导至LNP的组装行为和表面性质。

PEG脂质anchor选择的新要求

PEG脂质的疏水anchor（如DMG、DSPE、DSA等）决定了PEG在LNP膜上的锚定稳定性。传统配方中，DMG-PEG2000因其在循环中较快"脱壳"的特性而被广泛使用——这对疫苗来说是优势（脱壳后暴露LNP表面，促进细胞摄取），但对需要长效循环的肝外递送场景可能不适用。

新型避肝LNP的体内行为与传统LNP差异显著。例如，aroLNP需要在注射部位强保留并引流至淋巴结，EB-LNP需要维持白蛋白吸附层不被过早置换——这些都对PEG anchor的脱壳动力学提出了新的、不同于疫苗配方的要求。目前，aroLNP和P1-LNP的原始论文尚未公开报道系统的PEG脂质比例或anchor筛选数据，相关配方优化工作仍需后续研究验证。但从EB-LNP团队对24种AB-lipid的系统筛选和2.70%最优配比的确定来看，新型脂质的配方优化空间是实实在在的。配方研发人员可能需要从传统DMG-PEG转向更长链anchor（如DSPE-PEG）或可降解anchor，以匹配新脂质的体内行为特征。

原料定制化需求窗口

对科研院校和药物研发机构的课题组来说，探索新型避肝LNP配方时，往往需要不同链长、不同端基、不同anchor的PEG化磷脂进行系统筛选。冰合试剂可提供多规格、可定制的DSPE-PEG系列功能化磷脂——包括不同PEG链长（MW 1000-5000）、多种端基（NHS、MAL、NH₂、Biotin）及不同疏水anchor可选——以支持新型可电离脂质的配方优化研究。此外，双功能PEG交联剂和点击化学试剂（Tetrazine/TCO/DBCO系列）也可用于LNP表面修饰与靶向配体偶联，满足避肝LNP在功能化层面的实验需求。

值得关注的是，这一轮可电离脂质结构创新的窗口期可能并不长。aroLNP等技术的验证目前尚处于临床前研究阶段，距离IND申报仍有较长路径。但对于上游原料供应商和配方研发团队而言，提前储备新型辅助脂质配方数据、建立结构-性能关联数据库，是在这一轮技术迭代中占据先手的关键。

五、关于LNP肝脱靶的常见问题（FAQ）