Modelo profético del aprendizaje de máquina para defender de las vacunas LNP-basadas del mRNA

En esta nueva publicación del artículo del acta Pharmaceutica Wei Wang B, autores de Sinica, Shuo Feng, Zhuyifan YE, Hanlu Gao, Jinzhong Lin y Defang Ouyang de la universidad de Macao, de la universidad de Macao, de China y de Fudan, Shangai, China discuten la predicción de los nanoparticles del lípido para las vacunas del mRNA por algoritmos de aprendizaje de máquina.

El nanoparticle del lípido (LNP) es de uso general entregar vacunas del mRNA. Actualmente, la optimización de LNP confía sobre todo en defender los lípidos ionizables por los experimentos tradicionales que consumen coste y tiempo intensivos. Las tentativas actuales del estudio de aplicar métodos de cómputo para acelerar el desarrollo de LNP para las vacunas del mRNA. En primer lugar, 325 muestras de los datos de formulaciones vaccíneas del mRNA LNP con el título de IgG fueron recogidas.

El algoritmo de aprendizaje de máquina, lightGBM, fue utilizado para construir un modelo de la predicción con buen funcionamiento (R2>0,87). Lo que es más importante, las subestructuras críticas de lípidos ionizables en LNPs fueron identificadas por el algoritmo, que estuvo de acuerdo bien con resultados publicados. Los resultados experimentales animales mostraron que LNP usando DLin-MC3-DMA (MC3) como lípido ionizable con un ratio de N/P en la eficacia más alta inducida 6:1 en ratones que LNP con SM-102, que era constante con la predicción modelo. El modelado dinámico molecular investigó más lejos el mecanismo molecular de LNPs utilizó en el experimento.

El resultado mostró que las moléculas del lípido agregadas para formar LNPs, y las moléculas del mRNA trenzaron alrededor del LNPs. En resumen, el modelo profético del aprendizaje de máquina para las vacunas LNP-basadas del mRNA primero fue desarrollado, validado por experimentos, e integrado más lejos con el modelado molecular. El modelo de la predicción se puede utilizar para la investigación virtual de las formulaciones de LNP en el futuro.