แบบจำลองการคาดการณ์ของแมชชีนเลิร์นนิงสำหรับการคัดกรองวัคซีน mRNA ที่ใช้ LNP

ในบทความใหม่นี้เผยแพร่จากActa Pharmaceutica Sinica Bผู้เขียน Wei Wang, Shuo Feng, Zhuyifan Ye, Hanlu Gao, Jinzhong Lin และ Defang Ouyang จาก University of Macau, Macau, China และ Fudan University, Shanghai, China หารือเกี่ยวกับการทำนายของอนุภาคนาโนไขมันสำหรับวัคซีน mRNA โดยอัลกอริธึมการเรียนรู้ของเครื่อง

อนุภาคนาโนไขมัน (LNP) มักใช้เพื่อส่งวัคซีน mRNAในปัจจุบัน การเพิ่มประสิทธิภาพ LNP อาศัยการคัดกรองไขมันที่แตกตัวเป็นไอออนเป็นหลักโดยการทดลองแบบดั้งเดิมซึ่งใช้ต้นทุนและเวลาอย่างเข้มข้นการศึกษาในปัจจุบันพยายามที่จะใช้วิธีการคำนวณเพื่อเร่งการพัฒนา LNP สำหรับวัคซีน mRNAประการแรก เก็บตัวอย่างข้อมูล 325 ตัวอย่างของสูตรผสม LNP ของวัคซีน mRNA ที่มี IgG titer

ใช้อัลกอริธึมการเรียนรู้ของเครื่อง lightGBM เพื่อสร้างแบบจำลองการทำนายที่มีประสิทธิภาพดี (R2>0.87).ที่สำคัญกว่านั้น โครงสร้างย่อยที่สำคัญของลิปิดที่แตกตัวเป็นไอออนใน LNP นั้นถูกระบุโดยอัลกอริธึม ซึ่งเห็นด้วยอย่างยิ่งกับผลลัพธ์ที่เผยแพร่ผลการทดลองในสัตว์ทดลองแสดงให้เห็นว่า LNP โดยใช้ DLin-MC3-DMA (MC3) เป็นลิปิดที่แตกตัวเป็นไอออนได้ด้วยนู๋/พีอัตราส่วนที่ 6:1 ทำให้เกิดประสิทธิภาพในหนูที่สูงกว่า LNP ที่มี SM-102 ซึ่งสอดคล้องกับการคาดการณ์ของแบบจำลองการสร้างแบบจำลองแบบไดนามิกระดับโมเลกุลได้ตรวจสอบกลไกระดับโมเลกุลของ LNP ที่ใช้ในการทดลองเพิ่มเติม

ผลการทดลองแสดงให้เห็นว่าโมเลกุลของไขมันรวมตัวกันเพื่อก่อรูป LNP และโมเลกุล mRNA พันรอบ LNPsโดยสรุป แบบจำลองการทำนายแมชชีนเลิร์นนิงสำหรับวัคซีน mRNA แบบ LNP ได้รับการพัฒนาครั้งแรก ตรวจสอบความถูกต้องโดยการทดลอง และรวมเข้ากับการสร้างแบบจำลองระดับโมเลกุลเพิ่มเติมแบบจำลองการคาดการณ์สามารถใช้สำหรับการคัดกรองเสมือนของสูตร LNP ได้ในอนาคต