Angesichts des Erfolgs von RNA-Impfstoffen im Kampf gegen Covid-19 richten Wissenschaftler ihr Augenmerk nun darauf, diese Impfstoffe auch zur Bekämpfung anderer Krankheiten, darunter Krebs, einzusetzen. Ein großes Hindernis bei der Entwicklung und Verteilung dieser Impfstoffe war jedoch die Notwendigkeit einer Lagerung bei extrem niedrigen Temperaturen. Dies stellte eine gewaltige Herausforderung dar, doch nun ist Forschern des Massachusetts Institute of Technology (MIT) ein Durchbruch gelungen.
Sie nutzten künstliche Intelligenz (KI), um die Art und Weise, wie diese Impfstoffe hergestellt werden, zu revolutionieren. Der KI-Algorithmus optimierte im Wesentlichen die Lipid-Nanopartikel (LNPs), die in der Regel mRNA-Impfstoffe in den menschlichen Körper transportieren. Dies führte zu einer atemberaubenden Innovation: Die Impfstoffe wurden hitzebeständiger. Das Ergebnis? Impfstoffe, die bei Raumtemperatur bis zu einem Jahr lang stabil bleiben oder zwei Monate lang Temperaturen von fast 100 Grad Fahrenheit standhalten können!
Das Team gab sich damit jedoch nicht zufrieden. Es testete diese hitzebeständigen Impfstoffe an Mäusen und stellte fest, dass sie eine Immunantwort auslösten, die derjenigen ähnelte, die durch den mRNA-Covid-19-Impfstoff von Moderna ausgelöst wird. Das wirklich Erstaunliche daran ist, dass KI den gesamten Prozess beschleunigte, indem sie die Anzahl der erforderlichen Experimente reduzierte. Diese KI-gestützte Innovation zeigt, dass auch kleine Datenmengen tatsächlich große Auswirkungen haben können.
Wie Ana Jaklenec, leitende Forscherin am Koch Institute for Integrative Cancer Research des MIT, hervorhob, liegt die Stärke des Algorithmus darin, dass er mit kleinen Datensätzen arbeiten kann, um wesentlich effizientere, auf Stabilität ausgerichtete Formulierungen zu erstellen. Als Beweis für ihren Erfolg wurden die Ergebnisse der Studie in „Nature Biotechnology“ veröffentlicht. Die Studie wurde von Jaklenec und Robert Langer geleitet, wobei die Doktorandin Jinbi Tian und der Postdoktorand Khanh Tran als Erstautoren fungierten.
Eine weitere zentrale Rolle in diesen Experimenten spielt die RNA, ein Molekül, das für seine Empfindlichkeit bekannt ist. Um deren Abbau zu verhindern und einen reibungslosen Eintritt in die Zellen zu ermöglichen, wurden bislang LNPs zur Stabilisierung eingesetzt. Doch selbst bei diesem Ansatz müssen die Impfstoffe unter Kühlbedingungen gelagert werden, was in Teilen der Welt, in denen keine Kühllagerkapazitäten vorhanden sind, zu Schwierigkeiten bei der Verteilung führt. Eine Erhöhung der Hitzetoleranz der RNA-Impfstoffe erweitert daher die Möglichkeiten der Verteilung und eröffnet sogar neue Wege für innovative Verabreichungsmethoden, wie beispielsweise Mikronadel-Pflaster.
In der Vergangenheit gab es Versuche, LNPs mit ‘Hilfsstoffen’ anzureichern, um ihre Temperaturempfindlichkeit zu verringern, doch diese waren nur bedingt erfolgreich. Jaklenec und Langer setzten bei ihrem jüngsten Vorhaben jedoch polymerstabilisierte LNPs ein, die eine höhere Temperaturbeständigkeit aufwiesen, sich jedoch von den von der FDA zugelassenen Formulierungen unterschieden, die von Moderna und Pfizer verwendet werden.
Angesichts der Rückschläge bei früheren Methoden entschieden sich die Forscher für den Einsatz von maschinellem Lernen. In Zusammenarbeit mit dem Computer Science and Artificial Intelligence Lab (CSAIL) des MIT entwickelte das Team einen Algorithmus, der innerhalb weniger Wochen – deutlich schneller als herkömmliche Ansätze – eine stabile Formulierung mit minimaler Anzahl von Iterationen identifizieren konnte. Dem Team gelang es sogar, LNP-Formulierungen zu stabilisieren, die dem Impfstoff von Pfizer ähneln, und damit das Potenzial des Algorithmus zu demonstrieren, sich an eine Vielzahl von mRNA-Rezepturen anzupassen.
Im Rahmen der erfolgreichen Erprobung der neuen LNP-Formulierung wurden Covid-19-mRNA-Antigene verpackt und bei hohen Temperaturen gelagert. Mit diesen Partikeln geimpfte Mäuse zeigten starke Immunreaktionen, die mit den Reaktionen auf herkömmliche LNPs vergleichbar waren. Besonders spannend ist, dass das Team zudem Mikronadelpflaster entwickelte, die die hitzebeständige Formulierung enthielten. Diese Pflaster lösten Immunreaktionen aus, die mit denen injizierbarer RNA-Impfstoffe vergleichbar waren, und erweiterten damit die Anwendungsmöglichkeiten von mRNA-Impfstoffen und anderen fortschrittlichen Wirkstoffverabreichungssystemen.
Diese bahnbrechende Forschung, die teilweise von der Gates-Stiftung finanziert wird, birgt enormes Potenzial für die Zukunft – nicht nur für die Verteilung von Impfstoffen, sondern auch für verschiedene Branchen und Unternehmen, die bereit sind, KI-Automatisierung in ihr Geschäftsmodell zu integrieren.
Weitere Informationen zu dieser bahnbrechenden Forschung finden Sie unter MIT-Nachrichten.
Wenn Sie als Unternehmen den Einsatz von KI-Automatisierung in Betracht ziehen, entdecken Sie die grenzenlosen Möglichkeiten mit implementi.ai.
Diese Website verwendet Cookies.