LNP-기반을 둔 ｍＲＮＡ 백신에 대한 선별의 예측 모델을 배우는 기계

안에 Acta 파마수티카 시니카 비로부터의 이 새 기사 출판물이 웨이 왕을 저술하고, 슈오 펭, 주이이프안 당신, 한루 Gao, 마카오 대학교의 진종 Lin과 데팽 오우양, 마카오, 중국과 푸단 대학, 상하이, 중국이 기계 학습 알고리즘에 의해 ｍＲＮＡ 백신을 위한 지질 나노 입자에 대한 예상에 대해 논의합니다.

일반적으로 (LNP가) 익숙한 지질 나노 입자는 ｍＲＮＡ 백신을 전달합니다. 현재, LNP 최적화는 주로 집중적 비용과 시간을 소비하는 전통적 실험에 의해 이온화 될수 있는 지질을 지킨 것에 의존합니다. 현재 연구는 ｍＲＮＡ 백신을 위한 LNP 개발을 가속화하기 위해 계산법을 적용하려고 시도합니다. 첫째로, igg 적정 농도와 ｍＲＮＡ 백신 LNP 체계화의 325개의 데이터 샘플은 수집되었습니다.

학습 알고리즘, 라이트그브텀이 익숙한 기계는 좋은 공연과 예측모델에게 (Ｒ를 지어줍니다2>0.87). 더 중요하게, 라이네퍼스의 이온화 될수 있는 지질의 비판적 기본 틀은 알고리즘에 의해 확인되었으며, 그것이 잘 간행된 결과에 동의했습니다. DLin-MC3-DMA (MC3)를 6시 1분에 있는 N/P 비율과 이온화 될수 있는 지질로 이용하는 LNP가 모델 예측으로 일관된 SM-102와 LNP 보다 쥐에서 더 높은 효율성을 유발했다는 것을 동물적 실험 결과는 보여주었습니다. 분자 동력학 모델링은 실험에서 사용된 LNP의 분자적 메커니즘을 더욱 조사했습니다.

지질 분자가 LNP를 형성하기 위해 모였고 mrna 분자가 LNP에 휘감겨 있었다는 것을 결과는 보여주었습니다. 개요에서, LNP-기반을 둔 ｍＲＮＡ 백신의 예측 모델을 배우는 기계는 처음으로 개발되고, 실험에 의해 유효해지고, 더욱 분자모델링과 통합됩니다. 예측모델은 미래에 LNP 체계화에 대한 약효 검색법을 위해 사용될 수 있습니다.