W związku z sukcesem szczepionek RNA w walce z Covid-19 naukowcy skupiają obecnie swoją uwagę na wykorzystaniu tych szczepionek w zwalczaniu innych chorób, w tym raka. Jednak główną przeszkodą w opracowywaniu i dystrybucji tych szczepionek jest konieczność przechowywania ich w ekstremalnie niskich temperaturach. Było to ogromne wyzwanie, ale naukowcom z Massachusetts Institute of Technology (MIT) udało się dokonać przełomu.
Wykorzystali sztuczną inteligencję (AI), by zrewolucjonizować sposób opracowywania tych szczepionek. Algorytm AI zasadniczo modyfikował nanocząsteczki lipidowe (LNP), które zazwyczaj przenoszą szczepionki mRNA do organizmu człowieka. Doprowadziło to do zapierającej dech w piersiach innowacji: dzięki temu szczepionki stały się bardziej odporne na wysoką temperaturę. Efekt? Szczepionki, które mogą zachować stabilność w temperaturze pokojowej nawet przez rok lub wytrzymać temperaturę bliską 100 stopni Fahrenheita przez całe dwa miesiące!
Zespół nie poprzestał na tym. Przetestował te odporne na wysoką temperaturę szczepionki na myszach i odkrył, że wywoływały one reakcję immunologiczną podobną do tej wywoływanej przez szczepionkę mRNA firmy Moderna przeciwko COVID-19. Najbardziej zadziwiające jest to, że sztuczna inteligencja przyspieszyła cały proces, zmniejszając liczbę niezbędnych eksperymentów. Ta oparta na sztucznej inteligencji innowacja pokazuje, że nawet niewielkie zbiory danych mogą rzeczywiście mieć ogromny wpływ.
Jak zauważyła Ana Jaklenec, główna badaczka w Instytucie Kocha ds. Integratywnych Badań nad Rakiem przy MIT, siła algorytmu polega na tym, że potrafi on pracować z niewielkimi zbiorami danych, tworząc znacznie bardziej efektywne formuły ukierunkowane na stabilność. Dowodem sukcesu projektu jest opublikowanie wyników badań w czasopiśmie „Nature Biotechnology”. Badania te prowadzili Ana Jaklenec i Robert Langer, a głównymi autorami artykułu byli doktorantka Jinbi Tian oraz doktorant Khanh Tran.
Kolejną kluczową postacią w tych eksperymentach jest RNA – cząsteczka znana ze swojej kruchości. Tradycyjnie, aby zapobiec jej degradacji i umożliwić jej płynne przedostawanie się do komórek, stosowano LNP w celu jej stabilizacji. Jednak nawet przy takim podejściu szczepionki muszą być przechowywane w niskich temperaturach, co stwarza trudności z dystrybucją w tych częściach świata, gdzie brakuje chłodniczych magazynów. Zwiększenie odporności szczepionek RNA na ciepło rozszerza zatem zakres możliwości dystrybucji, a nawet otwiera drzwi do nowatorskich metod podawania, takich jak plastry z mikroigłami.
W przeszłości podejmowano próby dodawania do LNP ‘substancji pomocniczych’ w celu zmniejszenia ich wrażliwości na temperaturę, jednak przyniosły one jedynie częściowe efekty. W swoich najnowszych badaniach Jaklenec i Langer wykorzystali jednak LNP stabilizowane polimerami, które wykazały większą odporność na temperaturę, choć różniły się one od preparatów zatwierdzonych przez FDA, stosowanych przez firmy Moderna i Pfizer.
Biorąc pod uwagę niepowodzenia wcześniejszych metod, naukowcy postanowili wykorzystać uczenie maszynowe. We współpracy z Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) przy MIT zespół opracował algorytm, który w ciągu zaledwie kilku tygodni – znacznie szybciej niż w przypadku konwencjonalnych metod – zdołał zidentyfikować stabilną formułę przy minimalnej liczbie iteracji. Zespołowi udało się nawet ustabilizować preparaty LNP podobne do szczepionki firmy Pfizer, co pokazuje potencjał algorytmu w zakresie dostosowywania się do różnych receptur mRNA.
Udane badania nad nową formułą LNP polegały na zapakowaniu antygenów mRNA Covid-19 i przechowywaniu ich w wysokich temperaturach. Myszy zaszczepione tymi cząsteczkami wykazały silną odpowiedź immunologiczną, porównywalną z odpowiedzią wywoływaną przez tradycyjne LNP. Co ciekawe, zespół opracował również plastry z mikroigłami zawierające preparat odporny na wysoką temperaturę. Plastry te wywołały odpowiedź immunologiczną porównywalną do tej wywoływanej przez szczepionki RNA podawane w zastrzykach, poszerzając tym samym zakres zastosowań szczepionek mRNA i innych zaawansowanych systemów podawania leków.
Dzięki częściowemu finansowaniu ze strony Fundacji Gatesów te przełomowe badania niosą ze sobą ogromne nadzieje na przyszłość – nie tylko w zakresie dystrybucji szczepionek, ale także w różnych sektorach i przedsiębiorstwach gotowych do wdrożenia automatyzacji opartej na sztucznej inteligencji do swoich modeli biznesowych.
Aby uzyskać więcej informacji na temat tych przełomowych badań, odwiedź stronę MIT News.
Jeśli prowadzisz firmę i rozważasz wdrożenie automatyzacji opartej na sztucznej inteligencji, odkryj nieograniczone możliwości dzięki implementi.ai.
Ta strona używa plików cookie.