Modello premonitore di apprendimento automatico per la schermatura dei vaccini basati LNP del mRNA

In questa nuova pubblicazione dell'articolo dall'acta Pharmaceutica Wei Wang B, autori di Sinica, Shuo Feng, Zhuyifan YE, Hanlu Gao, Jinzhong Lin e Defang Ouyang dall'università di Macao, di università di Macao, della Cina e di Fudan, Shanghai, Cina discutono la previsione delle nanoparticelle del lipido per i vaccini del mRNA dagli algoritmi di apprendimento automatico.

La nanoparticella del lipido (LNP) è comunemente usata consegnare i vaccini del mRNA. Attualmente, l'ottimizzazione di LNP soprattutto conta sulla schermatura dei lipidi ionizzabili dagli esperimenti tradizionali che consumano il costo ed il tempo intensivi. I tentativi correnti di studio di applicare i metodi di calcolo per accelerare lo sviluppo di LNP per i vaccini del mRNA. In primo luogo, 325 campioni di dati delle formulazioni vaccino del mRNA LNP con il titolo di IgG sono stati raccolti.

L'algoritmo di apprendimento automatico, lightGBM, è stato usato per sviluppare un modello di previsione con la buona prestazione (R2>0,87). Più d'importanza, le sottostrutture critiche dei lipidi ionizzabili in LNPs sono state identificate dall'algoritmo, che ha acconsentito bene con i risultati pubblicati. I risultati sperimentali animali hanno indicato che LNP usando DLin-MC3-DMA (MC3) come lipido ionizzabile con un rapporto di N/P all'alta efficienza indotta 6:1 in topi che LNP con SM-102, che era coerente con la previsione di modello. La modellistica dinamica molecolare più a fondo ha studiato il meccanismo molecolare di LNPs ha utilizzato nell'esperimento.

Il risultato ha indicato che le molecole del lipido aggregate per formare LNPs e le molecole del mRNA hanno attorcigliato intorno al LNPs. Riassumendo, il modello premonitore di apprendimento automatico per ai i vaccini basati LNP del mRNA in primo luogo è stato sviluppato, convalidato stato dagli esperimenti e più ulteriormente è integrato stato con la modellistica molecolare. Il modello di previsione può essere usato in futuro per selezione virtuale delle formulazioni di LNP.