Angesichts des Erfolgs von RNA-Impfstoffen im Kampf gegen Covid-19 richten Wissenschaftler ihr Augenmerk nun darauf, diese Impfstoffe auch zur Bek\u00e4mpfung anderer Krankheiten, darunter Krebs, einzusetzen. Ein gro\u00dfes 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.<\/p>\n
Sie nutzten k\u00fcnstliche 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 K\u00f6rper transportieren. Dies f\u00fchrte zu einer atemberaubenden Innovation: Die Impfstoffe wurden hitzebest\u00e4ndiger. Das Ergebnis? Impfstoffe, die bei Raumtemperatur bis zu einem Jahr lang stabil bleiben oder zwei Monate lang Temperaturen von fast 100 Grad Fahrenheit standhalten k\u00f6nnen!<\/p>\n
Das Team gab sich damit jedoch nicht zufrieden. Es testete diese hitzebest\u00e4ndigen Impfstoffe an M\u00e4usen und stellte fest, dass sie eine Immunantwort ausl\u00f6sten, die derjenigen \u00e4hnelte, die durch den mRNA-Covid-19-Impfstoff von Moderna ausgel\u00f6st wird. Das wirklich Erstaunliche daran ist, dass KI den gesamten Prozess beschleunigte, indem sie die Anzahl der erforderlichen Experimente reduzierte. Diese KI-gest\u00fctzte Innovation zeigt, dass auch kleine Datenmengen tats\u00e4chlich gro\u00dfe Auswirkungen haben k\u00f6nnen.<\/p>\n
Wie Ana Jaklenec, leitende Forscherin am Koch Institute for Integrative Cancer Research des MIT, hervorhob, liegt die St\u00e4rke des Algorithmus darin, dass er mit kleinen Datens\u00e4tzen arbeiten kann, um wesentlich effizientere, auf Stabilit\u00e4t ausgerichtete Formulierungen zu entwickeln. Als Beweis f\u00fcr ihren Erfolg wurden die Ergebnisse der Studie in \u201eNature Biotechnology\u201c ver\u00f6ffentlicht. Die Studie wurde von Jaklenec und Robert Langer geleitet, wobei die Doktorandin Jinbi Tian und der Postdoktorand Khanh Tran als Erstautoren fungierten.<\/p>\n
Eine weitere zentrale Rolle in diesen Experimenten spielt die RNA, ein Molek\u00fcl, das f\u00fcr seine Empfindlichkeit bekannt ist. Um deren Abbau zu verhindern und einen reibungslosen Eintritt in die Zellen zu erm\u00f6glichen, wurden bislang LNPs zur Stabilisierung eingesetzt. Doch selbst bei diesem Ansatz m\u00fcssen die Impfstoffe unter K\u00fchlbedingungen gelagert werden, was in Teilen der Welt, in denen keine K\u00fchllagerkapazit\u00e4ten vorhanden sind, zu Schwierigkeiten bei der Verteilung f\u00fchrt. Eine Erh\u00f6hung der Hitzetoleranz der RNA-Impfstoffe erweitert daher die M\u00f6glichkeiten der Verteilung und er\u00f6ffnet sogar neue Wege f\u00fcr innovative Verabreichungsmethoden, wie beispielsweise Mikronadel-Pflaster.<\/p>\n
In der Vergangenheit gab es Versuche, LNPs mit \u2018Hilfsstoffen\u2019 anzureichern, um ihre Temperaturempfindlichkeit zu verringern, doch diese waren nur bedingt erfolgreich. Jaklenec und Langer setzten bei ihrem j\u00fcngsten Vorhaben jedoch polymerstabilisierte LNPs ein, die eine h\u00f6here Temperaturbest\u00e4ndigkeit aufwiesen, sich jedoch von den von der FDA zugelassenen Formulierungen unterschieden, die von Moderna und Pfizer verwendet werden.<\/p>\n
Angesichts der R\u00fcckschl\u00e4ge bei fr\u00fcheren Methoden entschieden sich die Forscher f\u00fcr 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 \u2013 deutlich schneller als herk\u00f6mmliche Ans\u00e4tze \u2013 eine stabile Formulierung mit minimaler Iterationsanzahl identifizieren konnte. Dem Team gelang es sogar, LNP-Formulierungen zu stabilisieren, die dem Impfstoff von Pfizer \u00e4hneln, was das Potenzial des Algorithmus unterstreicht, sich an eine Vielzahl von mRNA-Rezepturen anzupassen.<\/p>\n
Im Rahmen der erfolgreichen Erprobung der neuen LNP-Formulierung wurden Covid-19-mRNA-Antigene verpackt und bei hohen Temperaturen gelagert. Mit diesen Partikeln geimpfte M\u00e4use zeigten starke Immunreaktionen, die mit den Reaktionen auf herk\u00f6mmliche LNPs vergleichbar waren. Besonders spannend ist, dass das Team zudem Mikronadelpflaster entwickelte, die die hitzebest\u00e4ndige Formulierung enthielten. Diese Pflaster l\u00f6sten Immunreaktionen aus, die mit denen injizierbarer RNA-Impfstoffe vergleichbar waren, und erweiterten damit die Anwendungsm\u00f6glichkeiten von mRNA-Impfstoffen und anderen fortschrittlichen Wirkstoffverabreichungssystemen.<\/p>\n
Diese bahnbrechende Forschung, die teilweise von der Gates-Stiftung finanziert wird, birgt enormes Potenzial f\u00fcr die Zukunft \u2013 nicht nur f\u00fcr die Verteilung von Impfstoffen, sondern auch f\u00fcr verschiedene Branchen und Unternehmen, die bereit sind, KI-Automatisierung in ihr Gesch\u00e4ftsmodell zu integrieren.<\/p>\n
Weitere Informationen zu dieser bahnbrechenden Forschung finden Sie unter MIT-Nachrichten<\/a>.<\/p>\n