W zwi\u0105zku z sukcesem szczepionek RNA w walce z Covid-19 naukowcy skupiaj\u0105 obecnie swoj\u0105 uwag\u0119 na wykorzystaniu tych szczepionek w zwalczaniu innych chor\u00f3b, w tym raka. Jednak g\u0142\u00f3wn\u0105 przeszkod\u0105 w opracowywaniu i dystrybucji tych szczepionek jest konieczno\u015b\u0107 przechowywania ich w ekstremalnie niskich temperaturach. By\u0142o to ogromne wyzwanie, ale naukowcom z Massachusetts Institute of Technology (MIT) uda\u0142o si\u0119 dokona\u0107 prze\u0142omu.<\/p>\n
Wykorzystali sztuczn\u0105 inteligencj\u0119 (AI), by zrewolucjonizowa\u0107 spos\u00f3b opracowywania tych szczepionek. Algorytm AI zasadniczo modyfikowa\u0142 nanocz\u0105steczki lipidowe (LNP), kt\u00f3re zazwyczaj przenosz\u0105 szczepionki mRNA do organizmu cz\u0142owieka. Doprowadzi\u0142o to do zapieraj\u0105cej dech w piersiach innowacji: dzi\u0119ki temu szczepionki sta\u0142y si\u0119 bardziej odporne na wysok\u0105 temperatur\u0119. Efekt? Szczepionki, kt\u00f3re mog\u0105 zachowa\u0107 stabilno\u015b\u0107 w temperaturze pokojowej nawet przez rok lub wytrzyma\u0107 temperatur\u0119 blisk\u0105 100 stopni Fahrenheita przez ca\u0142e dwa miesi\u0105ce!<\/p>\n
Zesp\u00f3\u0142 nie poprzesta\u0142 na tym. Przetestowa\u0142 te odporne na wysok\u0105 temperatur\u0119 szczepionki na myszach i odkry\u0142, \u017ce wywo\u0142uj\u0105 one odpowied\u017a immunologiczn\u0105 podobn\u0105 do tej wywo\u0142ywanej przez szczepionk\u0119 mRNA firmy Moderna przeciwko COVID-19. Najbardziej zadziwiaj\u0105ce jest to, \u017ce sztuczna inteligencja przyspieszy\u0142a ca\u0142y proces, zmniejszaj\u0105c liczb\u0119 niezb\u0119dnych eksperyment\u00f3w. Ta oparta na sztucznej inteligencji innowacja pokazuje, \u017ce nawet niewielkie zbiory danych mog\u0105 rzeczywi\u015bcie mie\u0107 ogromny wp\u0142yw.<\/p>\n
Jak zauwa\u017cy\u0142a Ana Jaklenec, g\u0142\u00f3wna badaczka w Instytucie Kocha ds. Integratywnych Bada\u0144 nad Rakiem przy MIT, si\u0142a algorytmu polega na tym, \u017ce potrafi on pracowa\u0107 z niewielkimi zbiorami danych, tworz\u0105c znacznie bardziej efektywne formu\u0142y ukierunkowane na stabilno\u015b\u0107. Dowodem sukcesu projektu jest opublikowanie wynik\u00f3w bada\u0144 w czasopi\u015bmie \u201eNature Biotechnology\u201d. Badania te by\u0142y prowadzone pod kierownictwem Jaklenec i Roberta Langera, a ich g\u0142\u00f3wnymi autorami byli doktorant Jinbi Tian oraz doktorant po studiach podoktoranckich Khanh Tran.<\/p>\n
Kolejn\u0105 kluczow\u0105 postaci\u0105 w tych eksperymentach jest RNA \u2013 cz\u0105steczka znana ze swojej krucho\u015bci. Tradycyjnie, aby zapobiec jej degradacji i umo\u017cliwi\u0107 jej p\u0142ynne przedostawanie si\u0119 do kom\u00f3rek, stosowano LNP w celu jej stabilizacji. Jednak nawet przy takim podej\u015bciu szczepionki musz\u0105 by\u0107 przechowywane w niskich temperaturach, co stwarza trudno\u015bci z dystrybucj\u0105 w tych cz\u0119\u015bciach \u015bwiata, gdzie brakuje ch\u0142odniczych magazyn\u00f3w. Zwi\u0119kszenie odporno\u015bci szczepionek RNA na ciep\u0142o rozszerza zatem zakres mo\u017cliwo\u015bci dystrybucji, a nawet otwiera drzwi do nowatorskich metod podawania, takich jak plastry z mikroig\u0142ami.<\/p>\n
W przesz\u0142o\u015bci podejmowano pr\u00f3by dodawania do LNP \u2018substancji pomocniczych\u2019 w celu zmniejszenia ich wra\u017cliwo\u015bci na temperatur\u0119, ale przynios\u0142y one jedynie cz\u0119\u015bciowy efekt. W swoich najnowszych badaniach Jaklenec i Langer wykorzystali jednak LNP stabilizowane polimerami, kt\u00f3re wykaza\u0142y wi\u0119ksz\u0105 odporno\u015b\u0107 na temperatur\u0119, cho\u0107 r\u00f3\u017cni\u0142y si\u0119 one od preparat\u00f3w zatwierdzonych przez FDA, stosowanych przez firmy Moderna i Pfizer.<\/p>\n
Bior\u0105c pod uwag\u0119 niepowodzenia zwi\u0105zane z wcze\u015bniejszymi metodami, naukowcy postanowili wykorzysta\u0107 uczenie maszynowe. We wsp\u00f3\u0142pracy z Laboratorium Informatyki i Sztucznej Inteligencji (CSAIL) przy MIT zesp\u00f3\u0142 opracowa\u0142 algorytm, kt\u00f3ry w ci\u0105gu zaledwie kilku tygodni \u2013 znacznie szybciej ni\u017c w przypadku konwencjonalnych metod \u2013 zdo\u0142a\u0142 zidentyfikowa\u0107 stabiln\u0105 formu\u0142\u0119 przy minimalnej liczbie iteracji. Zespo\u0142owi uda\u0142o si\u0119 nawet ustabilizowa\u0107 preparaty LNP podobne do szczepionki firmy Pfizer, co pokazuje potencja\u0142 algorytmu w zakresie dostosowywania si\u0119 do r\u00f3\u017cnych receptur mRNA.<\/p>\n
Udane badania nad now\u0105 formu\u0142\u0105 LNP polega\u0142y na zapakowaniu antygen\u00f3w mRNA Covid-19 i przechowywaniu ich w wysokich temperaturach. Myszy zaszczepione tymi cz\u0105steczkami wykaza\u0142y siln\u0105 odpowied\u017a immunologiczn\u0105, por\u00f3wnywaln\u0105 z odpowiedzi\u0105 wywo\u0142ywan\u0105 przez tradycyjne LNP. Co ciekawe, zesp\u00f3\u0142 opracowa\u0142 r\u00f3wnie\u017c plastry z mikroig\u0142ami zawieraj\u0105ce preparat odporny na wysok\u0105 temperatur\u0119. Plastry te wywo\u0142a\u0142y odpowied\u017a immunologiczn\u0105 por\u00f3wnywaln\u0105 do tej wywo\u0142ywanej przez szczepionki RNA podawane w zastrzykach, poszerzaj\u0105c tym samym zakres zastosowa\u0144 szczepionek mRNA i innych zaawansowanych system\u00f3w podawania lek\u00f3w.<\/p>\n
Dzi\u0119ki cz\u0119\u015bciowemu finansowaniu ze strony Fundacji Gates\u00f3w te prze\u0142omowe badania nios\u0105 ze sob\u0105 ogromne nadzieje na przysz\u0142o\u015b\u0107 \u2013 nie tylko w zakresie dystrybucji szczepionek, ale tak\u017ce w r\u00f3\u017cnych sektorach i przedsi\u0119biorstwach gotowych do wdro\u017cenia automatyzacji opartej na sztucznej inteligencji do swoich modeli biznesowych.<\/p>\n
Aby uzyska\u0107 wi\u0119cej informacji na temat tych prze\u0142omowych bada\u0144, odwied\u017a stron\u0119 MIT News<\/a>.<\/p>\n