نموذج تنبؤي للتعلم الآلي لفحص لقاحات mRNA القائمة على LNP

في هذا المنشور مقال جديد منأكتا فارماسيوتيكا سينيكا ب، يناقش المؤلفون وي وانج ، وشو فينج ، وتشوييفان يي ، وهانلو جاو ، وجينزونج لين ، وديفانج أوويانج من جامعة ماكاو ، وماكاو ، الصين ، وجامعة فودان ، شنغهاي ، الصين ، التنبؤ بالجسيمات النانوية الدهنية للقاحات الرنا المرسال بواسطة خوارزميات التعلم الآلي.

تُستخدم الجسيمات النانوية الدهنية (LNP) بشكل شائع لتقديم لقاحات الرنا المرسال.حاليًا ، يعتمد تحسين LNP بشكل أساسي على فحص الدهون المؤينة عن طريق التجارب التقليدية التي تستهلك تكلفة ووقتًا مكثفين.تحاول الدراسة الحالية تطبيق الأساليب الحسابية لتسريع تطوير LNP للقاحات mRNA.أولاً ، تم جمع 325 عينة بيانات من تركيبات LNP للقاح mRNA مع عيار IgG.

تم استخدام خوارزمية التعلم الآلي ، lightGBM ، لبناء نموذج تنبؤ بأداء جيد (ص2> 0.87).الأهم من ذلك ، تم تحديد البنى التحتية الحرجة للدهون المؤينة في LNPs بواسطة الخوارزمية ، والتي تتفق جيدًا مع النتائج المنشورة.أظهرت نتائج التجارب على الحيوانات أن LNP يستخدم DLin-MC3-DMA (MC3) كدهن مؤين معن/صتسببت النسبة في 6: 1 في كفاءة أعلى في الفئران من LNP مع SM-102 ، والتي كانت متوافقة مع تنبؤ النموذج.استقصت النمذجة الديناميكية الجزيئية الآلية الجزيئية لـ LNPs المستخدمة في التجربة.

أظهرت النتيجة أن جزيئات الدهون تتجمع لتشكل LNPs ، وجزيئات mRNA مبرمة حول LNPs.باختصار ، تم تطوير النموذج التنبئي للتعلم الآلي للقاحات mRNA القائمة على LNP لأول مرة ، والتحقق من صحته من خلال التجارب ، وتم دمجه بشكل أكبر مع النمذجة الجزيئية.يمكن استخدام نموذج التنبؤ للفحص الافتراضي لتركيبات LNP في المستقبل.