LNP tabanlı mRNA aşılarının taranması için makine öğrenimi öngörücü modeli

Bu yeni makale yayınındaActa Pharmaceutica Sinica B, yazarlar Wei Wang, Shuo Feng, Zhuyifan Ye, Hanlu Gao, Jinzhong Lin ve Defang Ouyang, Makao, Çin ve Fudan Üniversitesi, Şangay, makine öğrenimi algoritmalarıyla mRNA aşıları için lipid nanoparçacıklarının tahminini tartışıyorlar.

Lipid nanoparçacığı (LNP), mRNA aşılarını iletmek için yaygın olarak kullanılır.Şu anda, LNP optimizasyonu öncelikle iyonize olabilen lipidlerin yoğun maliyet ve zaman tüketen geleneksel deneylerle taranmasına dayanmaktadır.Mevcut çalışma, mRNA aşıları için LNP gelişimini hızlandırmak için hesaplama yöntemlerini uygulamaya çalışmaktadır.İlk olarak, IgG titreli mRNA aşısı LNP formülasyonlarından 325 veri örneği toplandı.

Makine öğrenme algoritması, lightGBM, iyi performansa sahip bir tahmin modeli oluşturmak için kullanıldı (R2>0.87).Daha da önemlisi, LNP'lerdeki iyonlaşabilir lipidlerin kritik alt yapıları, yayınlanan sonuçlarla iyi bir şekilde uyumlu olan algoritma tarafından tanımlandı.Hayvan deney sonuçları, LNP'nin iyonlaşabilir lipid olarak DLin-MC3-DMA (MC3) ile birN/P6:1'deki oran, farelerde, model tahmini ile tutarlı olan SM-102 ile LNP'den daha yüksek verim sağladı.Moleküler dinamik modelleme, deneyde kullanılan LNP'lerin moleküler mekanizmasını daha da araştırdı.

Sonuç, lipid moleküllerinin LNP'leri oluşturmak üzere bir araya toplandığını ve mRNA moleküllerinin LNP'lerin etrafına sarıldığını gösterdi.Özetle, LNP tabanlı mRNA aşıları için makine öğrenimi tahmin modeli ilk olarak geliştirildi, deneylerle doğrulandı ve moleküler modelleme ile daha da entegre edildi.Tahmin modeli, gelecekte LNP formülasyonlarının sanal olarak taranması için kullanılabilir.