Model prediksi pembelajaran mesin untuk skrining vaksin mRNA berbasis LNP

Dalam publikasi artikel baru ini dariActa Pharmaceutica Sinica B, penulis Wei Wang, Shuo Feng, Zhuyifan Ye, Hanlu Gao, Jinzhong Lin dan Defang Ouyang dari University of Macau, Macau, China dan Fudan University, Shanghai, China membahas prediksi lipid nanopartikel untuk vaksin mRNA dengan algoritma pembelajaran mesin.

Lipid nanoparticle (LNP) biasanya digunakan untuk memberikan vaksin mRNA.Saat ini, optimasi LNP terutama bergantung pada penyaringan lipid terionisasi dengan eksperimen tradisional yang memakan biaya dan waktu yang intensif.Studi saat ini mencoba menerapkan metode komputasi untuk mempercepat pengembangan LNP untuk vaksin mRNA.Pertama, 325 sampel data formulasi LNP vaksin mRNA dengan titer IgG dikumpulkan.

Algoritma pembelajaran mesin, lightGBM, digunakan untuk membangun model prediksi dengan kinerja yang baik (R2>0.87).Lebih penting lagi, substruktur kritis dari lipid yang dapat terionisasi dalam LNP diidentifikasi oleh algoritme, yang sangat sesuai dengan hasil yang dipublikasikan.Hasil percobaan hewan menunjukkan bahwa LNP menggunakan DLin-MC3-DMA (MC3) sebagai lipid terionisasi denganN/Prasio pada 6: 1 menginduksi efisiensi yang lebih tinggi pada tikus daripada LNP dengan SM-102, yang konsisten dengan prediksi model.Pemodelan dinamis molekuler menyelidiki lebih lanjut mekanisme molekuler LNP yang digunakan dalam percobaan.

Hasilnya menunjukkan bahwa molekul lipid berkumpul untuk membentuk LNP, dan molekul mRNA melilit di sekitar LNP.Singkatnya, model prediksi pembelajaran mesin untuk vaksin mRNA berbasis LNP pertama kali dikembangkan, divalidasi oleh eksperimen, dan selanjutnya diintegrasikan dengan pemodelan molekul.Model prediksi dapat digunakan untuk penyaringan virtual formulasi LNP di masa depan.