Wie AI die Entwicklung von RNA-Impfstoffen und anderen RNA-Therapien beschleunigen könnte

Forschern des MIT ist ein bedeutender Durchbruch gelungen. Sie nutzten die Möglichkeiten der künstlichen Intelligenz, um effizientere Nanopartikel für die Verabreichung von Impfstoffen und Therapien auf RNA-Basis herzustellen. Dieser Sprung nach vorn könnte die Entwicklung von Behandlungen für eine Vielzahl von Krankheiten vorantreiben, von Infektionskrankheiten bis hin zu Stoffwechselstörungen wie Diabetes und Fettleibigkeit.

RNA-Impfstoffe, wie sie zur Bekämpfung von COVID-19 eingesetzt werden, sind auf Lipid-Nanopartikel (LNP) angewiesen, um das genetische Material sicher in die Zellen zu bringen. Obwohl diese Nanopartikel eine wesentliche Rolle dabei spielen, dass die RNA ihr Ziel unversehrt erreicht, war die Herstellung der wirksamsten LNPs bisher ein langsamer, mühsamer Prozess. Das MIT-Team hat diesen Engpass jedoch mit Hilfe künstlicher Intelligenz umgangen.

Ein revolutionärer AI-Ansatz

Indem sie ein Modell des maschinellen Lernens auf eine Sammlung von Tausenden von zuvor erprobten LNP-Formulierungen trainierten, entwickelten sie ein System, das neue und effizientere Kombinationen vorhersagen kann - ein System, das sie COMET nannten. Das Modell begnügt sich nicht mit der Verbesserung der Effizienz, sondern kann sogar Formulierungen vorschlagen, die auf bestimmte Zelltypen zugeschnitten sind und neuartige Materialien zur Leistungssteigerung enthalten.

Das Team entwickelte COMET, das Modell für maschinelles Lernen, und ließ sich dabei von der gleichen Transformer-Architektur inspirieren, die auch große Sprachmodelle wie ChatGPT antreibt. Die Aufgabe von COMET bestand darin, zu verstehen, wie die verschiedenen chemischen Bestandteile eines Nanopartikels interagieren und bestimmen, wie effizient es RNA in die Zellen transportieren kann. Wie Alvin Chan, ein ehemaliger MIT-Postdoktorand und Mitautor dieser bahnbrechenden Studie, erklärt, "lernt COMET, wie diese Komponenten zusammenkommen, um die Effizienz der Abgabe zu beeinflussen."

Die Leistung und das Potenzial von COMET

Für das Training von COMET wurden etwa 3.000 LNP-Formulierungen verwendet. Jede von ihnen wurde im Labor methodisch getestet, um ihre Effizienz bei der Übertragung von mRNA auf Zellen zu messen, so dass das Modell Muster erkennen und wirksamere Formulierungen vorhersagen kann. Bei Tests an im Labor gezüchteten Mäusehautzellen zeigten die von der KI vorhergesagten LNPs beeindruckende Ergebnisse und übertrafen viele bestehende Optionen, darunter auch einige, die derzeit kommerziell genutzt werden, was einen bedeutenden Moment in der Nutzung der KI zur Beschleunigung der biomedizinischen Forschung darstellt.

Nach der Validierung der Genauigkeit des Modells untersuchte das Team komplexere Fragen, z. B. ob das Modell Formulierungen vorhersagen kann, die einen zusätzlichen fünften Bestandteil enthalten, wie verzweigte Poly-Beta-Amino-Ester (PBAEs). Diese Polymere haben sich als vielversprechend für die Verabreichung von Nukleinsäuren erwiesen. COMET wurde daraufhin auf eine zusätzliche Gruppe von etwa 300 LNPs mit PBAEs trainiert und schlug erfolgreich neue, effizientere Kombinationen vor. Diese Leistung unterstrich erneut die Vielseitigkeit des Modells, da es anschließend LNPs vorhersagen konnte, die für bestimmte Zelltypen optimiert sind, darunter Caco-2-Zellen aus Darmkrebs.

Eine weitere Hürde, die das Forschungsteam zu überwinden hatte, war die Gewährleistung der Stabilität von LNPs während der Lagerung. Mithilfe von COMET wurde vorhergesagt, welche Formulierungen der Gefriertrocknung am besten standhalten - einer Technik, die zur Verlängerung der Haltbarkeit vieler Medikamente eingesetzt wird. Das Modell identifizierte stabile Kandidaten und bewies damit seinen Nutzen für reale Anwendungen.

Ein Blick in die Zukunft: Stoffwechselbehandlungen auf RNA-Basis

Die Forschungsarbeiten sind Teil einer umfassenderen Initiative, die vom MIT angeführt und von der U.S. Advanced Research Projects Agency for Health (ARPA-H) finanziell unterstützt wird. Ziel ist es, einnehmbare Geräte zu entwickeln, mit denen RNA-Behandlungen oral verabreicht werden können und die dadurch leichter zugänglich und einfacher zu verwenden sind. Giovanni Traverso, Hauptautor der Studie und außerordentlicher Professor für Maschinenbau am MIT, räumt ein, dass "die Maximierung der Verabreichungseffizienz entscheidend ist, um genügend therapeutisches Protein im Körper zu produzieren." Er lobt auch die Tatsache, dass "dieser KI-gesteuerte Ansatz es uns ermöglicht, neue Formulierungen schneller und effektiver als je zuvor zu erforschen." Das Team stellt sich der nächsten Herausforderung und setzt diese von der KI entwickelten Nanopartikel nun in experimentellen Behandlungen für Fettleibigkeit und Diabetes ein.

Diese bahnbrechende Forschung wurde durch die großzügige Finanzierung durch das GO Nano Marble Center am Koch-Institut, die Karl van Tassel Career Development Professorship, das MIT Department of Mechanical Engineering, das Brigham and Women's Hospital und ARPA-H ermöglicht. Weitere Informationen über diese Innovation finden Sie im Originalartikel auf MIT-Nachrichten.