点击本文中加粗蓝色字体即可一键直达新药情报库免费查阅文章里提到的药物、机构、靶点、适应症的最新研发进展。
近年来，LNP技术在RNA递送中的应用展示了其改善人类健康的潜能，但要实现肝外递送依然面临巨大挑战。12月10日，发布于《Nature Biotechnology》杂志的一项研究中，麻省理工学院的科学家团队运用人工智能技术引导LNP的设计，创造出几种化学上崭新的LNP，这些LNP在肺部基因疗法的递送上表现出卓越的效果。
自1989年CFTR基因被发现以来，科学界曾对利用基因疗法治愈囊性纤维化等致命性肺部疾病充满期待。然而，经过35年的努力，至今尚无经过FDA批准的吸入性基因疗法可用于治疗囊性纤维化或其他肺部疾病。这主要是因为肺部具有强大的防御机制，能够阻挡外来核酸颗粒的吸收，就像抵御病毒一样。
成功开发mRNA疫苗和肝脏基因疗法后，科学家们开始深入研究如何利用LNP技术将mRNA递送至肺部。LNP的递送效率与其脂质成分的化学结构密切相关，尤其是可电离脂质。以往科学家们依赖理性设计和化学组合发现新的脂质，而在这项最新研究中，Daniel G. Anderson领导的团队提出了一种使用深度学习的方法，以克服在肺部基因治疗中面临的困难。
研究小组基于深度学习（DL）开发了一种名为LiON的策略，通过训练图神经网络模型，预测LNP的核酸递送效率。使用公开的LNP核酸递送数据，他们生成了一个拥有10,000个不同化学组成的LNP数据集，从而训练模型。LiON在mRNA递送预测中表现良好，这使得科学家们能够合成并测试新型可电离脂质。
研究中利用LiON从一种特定的肝靶向可电离脂质中筛选出新的候选物，结果发现RJ-A30-T01在体内的肝脏mRNA递送效率比之前最优的同类脂质高出9倍。接着，从超过160万种计算机生成的脂质中，研究小组发现了两种出色的LNP候选物——FO-32和FO-35。它们在小鼠肌肉、鼻腔和肺部的mRNA递送中效果显著。尤其是FO-35，拥有与已知脂类结构截然不同的化学特征。
为了进一步验证效果，科学家团队在雪貂模型中测试了FO-32和FO-35的mRNA肺部递送能力。测试结果表明，通过气管内递送，这些脂质能高效地将mRNA输送至雪貂的肺泡和呼吸道，这意味着它们有望发展为人类疾病治疗的吸入性基因疗法。
研究者们表示，通过深度学习设计优秀的LNP是可行的。他们相信，在临床前测试及进一步的优化后，FO-32或FO-35有望更接近临床应用。此外，团队计划通过增加高质量体内数据训练，进一步提升LiON的预测准确性。
免责声明：新药情报内容编辑团队专注于介绍全球生物医药健康研究的最新进展，本文旨在提供信息交流，不代表任何立场或治疗方案推荐。如需专业医疗建议，请咨询正规医疗机构。
