科学＆テクノロジー

AIがRNAワクチンおよびその他のRNA療法の開発をどのようにスピードアップできるか| MITニュース

MIT研究者は、人工知能を使用して、RNAワクチンやその他の種類のRNA療法をより効率的に提供できるナノ粒子を設計する新しい方法を考え出しました。数千の既存の送達粒子を分析するために機械学習モデルをトレーニングした後、研究者はそれを使用してさらにうまく機能する新しい材料を予測しました。このモデルにより、研究者はさまざまな種類の細胞でうまく機能する粒子を特定し、粒子に新しいタイプの材料を組み込む方法を発見することができました。「私たちがしたことは、脂質ナノ粒子の最適な成分混合物の識別を加速して、異なる細胞タイプを標的とするか、以前よりもはるかに速いさまざまな材料を組み込むのに役立つために、機械学習ツールを適用することでした」このアプローチは、新しいRNAワクチンを開発するプロセスと、肥満、糖尿病、およびその他の代謝障害の治療に使用できる治療法を劇的に高速化する可能性がある、と研究者は言います。元MITポスドクであるアルビンチャンは、現在ナンヤンテクノロジー大学の助教授であると、ミネソタ大学の助教授である元MITポスドクであるAmeya Kirtaneは、新しいオープンアクセス研究の主任著者です。 今日表示されます で 自然ナノテクノロジー。粒子予測SARS-COV-2のワクチンなどのRNAワクチンは、通常、送達のために脂質ナノ粒子（LNP）に包装されています。これらの粒子は、mRNAが体内で分解されるのを防ぎ、注入された後に細胞に入るのに役立ちます。これらのジョブをより効率的に処理する粒子を作成すると、研究者がさらに効果的なワクチンを開発するのに役立ちます。また、より良い送達車両は、さまざまな疾患の治療に役立つタンパク質の遺伝子をコードするmRNA療法の開発を容易にすることができます。2024年、Traversoのラボは複数年を立ち上げました 研究プログラム、米国Advanced Research Projects Agency for Health（ARPA-H）が資金を提供し、RNA治療とワクチンの経口送達を達成できる新しい摂取可能なデバイスを開発しました。「私たちがやろうとしていることの一部は、たとえば治療用途のために、より多くのタンパク質を生産する方法を開発することです。細胞を生成できる量を高めるためには、効率を最大化することが重要です」とTraverso氏は言います。典型的なLNPは、コレステロール、ヘルパー脂質、イオン化可能な脂質、ポリエチレングリコール（PEG）に付着した脂質の4つの成分で構成されています。これらの各コンポーネントのさまざまなバリエーションを交換して、膨大な数の可能な組み合わせを作成できます。これらの定式化を変更し、それぞれを個別にテストするのは非常に時間がかかるため、Traverso、Chan、およびその同僚は、プロセスを高速化するために人工知能に頼ることにしました。「創薬のほとんどのAIモデルは、一度に単一の化合物を最適化することに焦点を当てていますが、そのアプローチは複数の相互作用成分で作られた脂質ナノ粒子では機能しません」とチャンは言います。 「これに取り組むために、ChatGptのような大規模な言語モデルを動かすのと同じ変圧器アーキテクチャに触発されたCometという新しいモデルを開発しました。これらのモデルが単語がどのように意味を形成するかを理解しているように、Cometは、異なる化学成分がナノ粒子でどのように結合してその特性に影響を与えるかを学びます。 機械学習モデルのトレーニングデータを生成するために、研究者は約3,000の異なるLNP製剤のライブラリを作成しました。チームは、ラボ内のこれらの3,000粒子のそれぞれをテストして、ペイロードをセルにどれだけ効率的に配信できるかを確認し、このデータをすべて機械学習モデルに供給しました。モデルが訓練された後、研究者は既存のLNPよりもうまく機能する新しい製剤を予測するように依頼しました。彼らは、新しい製剤を使用して、ラボ皿で成長したマウス皮膚細胞に蛍光タンパク質をコードするmRNAを供給することにより、これらの予測をテストしました。彼らは、モデルによって予測されたLNPが実際にトレーニングデータの粒子よりもうまく機能し、場合によっては商業的に使用されるLNP製剤よりも優れていることを発見しました。加速開発研究者が、モデルがmRNAを効率的に提供する粒子を正確に予測できることを示した後、追加の質問を始めました。最初に、彼らは、分岐ポリベータアミノエステル（PBAE）として知られる5番目の成分を組み込んだナノ粒子上のモデルをトレーニングできるかどうか疑問に思いました。Traversoと彼の同僚による研究は、これらのポリマーが自分で核酸を効果的に送達できることを示しているため、LNPにそれらを追加するとLNPのパフォーマンスが向上するかどうかを調査したいと考えていました。 MITチームは、これらのポリマーを含む約300のLNPのセットを作成し、モデルのトレーニングに使用しました。結果として得られるモデルは、PBAEを使用した追加の製剤を予測することができ、より良い動作が可能になります。次に、研究者は、結腸直腸癌細胞に由来するCACO-2と呼ばれる細胞の種類を含む、さまざまな種類の細胞で最適に機能するLNPについての予測を行うためにモデルを訓練することを始めました。繰り返しますが、このモデルは、これらの細胞にmRNAを効率的に送達するLNPを予測することができました。最後に、研究者はモデルを使用して、どのLNPが凍結乾燥に耐えることができるかを予測しました。これは、薬の貯蔵寿命を拡大するためによく使用される凍結乾燥プロセスです。「これは、まったく異なる質問セットに適応し、開発を加速するのに役立つツールです。モデルに入った大規模なトレーニングセットを行いましたが、より焦点を絞った実験を行い、非常に異なる種類の質問に役立つ出力を得ることができます」とTraverso氏は言います。彼と彼の同僚は現在、これらの粒子のいくつかを糖尿病と肥満の潜在的な治療に組み込むことに取り組んでいます。これは、ARPA-H資金によるプロジェクトの主要な標的の2つです。このアプローチを使用して提供できる治療薬には、Ozempicと同様の効果を持つGLP-1模倣物が含まれます。この研究は、Koch InstituteのGo Nano Marble Center、Karl Van Tassel Career Development Professorship、MIT機械工学部、Brigham and Women's Hospital、およびARPA-Hによって資金提供されました。 #AIがRNAワクチンおよびその他のRNA療法の開発をどのようにスピードアップできるか #MITニュース