用人工智能驱动的可离子化脂质的合理设计,用于mRNA输送

科学领域:

• 生物技术和制药科学 生物技术和制药科学
• 计算化学和药物设计
• 纳米医学和药物输送

背景情况:

• 脂质纳米颗粒 (LNP) 对于mRNA传递至关重要,正如它们在COVID-19疫苗中的成功所证明的那样.
• 优化电离性脂质的传统方法,这是LNP的关键组成部分,涉及低效和昂贵的实验查.
• 对于新型电离性脂质,需要加速,合理的设计策略.

研究的目的:

• 采用人工智能 (AI) 和虚拟选来合理设计可离子化脂质.
• 预测关键的LNP特性,包括明显的pKa和mRNA传递效率.
• 加速发现用于mRNA治疗的高性能电离性脂质.

主要方法:

• 利用人工智能驱动的生成和虚拟选,在两个代中评估大约2000万个可电离脂质.
• 预测候选电离性脂质的明显pKa和mRNA传递效率.
• 通过体内小鼠测试验证了AI识别的有希望的脂质.

主要成果:

• 在第一个AI代中确定了三种新的可电离脂质,其中一种表现与DLin-MC3-DMA (MC3) 相似.
• 在第二次代中发现了六种新的可电离脂质,所有这些都与MC3性能相匹配或超过.
• 第二次代中的一种脂质表现出与高级控制SM-102类似的疗效,AI模型提供了可解释的结构-活性关系.

结论:

• 人工智能和虚拟查为合理设计电离性脂质提供了高效和有效的方法.
• 开发的AI模型成功地识别了具有优越或与现有标准相匹配的性能的新型电离性脂质.
• 这种由人工智能驱动的方法极大地加速了用于mRNA传递应用的LNP开发.