MIT tədqiqatçıları süni intellektdən istifadə edərək RNA peyvəndləri və digər RNA terapiyalarının daha effektiv çatdırılmasını təmin edə biləcək yeni nanopartikullar hazırlamağın bir yolunu tapıblar. Tədqiqatçılar minlərlə mövcud çatdırılma hissəciklərini təhlil etmək üçün maşın öyrənməsi modelini öyrədib və bu model daha yaxşı işləyəcək yeni materiallar proqnozlaşdırıb. Eyni zamanda, model müxtəlif hüceyrə növlərində yaxşı işləyə biləcək hissəcikləri müəyyən etməyə və yeni material növlərini hissəciklərə daxil etməyin yollarını tapmağa imkan verib.

"Biz maşın öyrənməsi vasitələrindən istifadə edərək, lipid nanopartikullarında fərqli hüceyrə növlərini hədəf almaq və ya fərqli materialları daha tez bir şəkildə daxil etmək üçün optimal tərkib qarışıqlarını müəyyən etmə prosesini sürətləndirdik," deyə MIT-in mexaniki mühəndislik üzrə dosenti və Brigham və Qadın Xəstəxanasının qastroenteroloqu Giovanni Traverso bildirib.

Bu yanaşma, tədqiqatçıların piylənmə, şəkərli diabet və digər metabolik pozğunluqları müalicə edə biləcək terapiyalar kimi yeni RNA peyvəndlərinin hazırlanması prosesini əhəmiyyətli dərəcədə sürətləndirə bilər. Tədqiqatın nəticələri "Nature Nanotechnology" jurnalında dərc olunub.

RNA peyvəndləri, adətən, lipid nanopartikullarında (LNP) qablaşdırılır. Bu hissəciklər mRNA-nın bədəndə parçalanmasının qarşısını alır və hüceyrələrə daxil olmasını təmin edir. Daha səmərəli hissəciklərin yaradılması tədqiqatçılara daha təsirli peyvəndlər hazırlamağa kömək edə bilər. Bundan əlavə, daha yaxşı çatdırılma vasitələri, müxtəlif xəstəliklərin müalicəsində istifadə oluna biləcək mRNA terapiyalarının hazırlanmasını asanlaşdıra bilər.

2024-cü ildə Traverso-nun laboratoriyası RNA müalicələri və peyvəndlərinin oral çatdırılmasını həyata keçirə biləcək yeni cihazların hazırlanması üçün çoxillik bir tədqiqat proqramına başlayıb. "Biz, məsələn, terapevtik tətbiqlər üçün daha çox protein istehsal etməyin yollarını inkişaf etdirməyə çalışırıq. Effektivliyi maksimum dərəcədə artırmaq, hüceyrələrin istehsal edə biləcəyi miqdarını artırmaq üçün vacibdir," deyə Traverso vurğulayıb.

LNP-lər dörd əsas komponentdən ibarətdir: xolesterol, köməkçi lipid, ionlaşa bilən lipid və polietilen qlikol (PEG) ilə bağlı lipid. Bu komponentlərin müxtəlif variantlarını dəyişmək və hər birini ayrıca sınaqdan keçirmək çox vaxt tələb edir. Buna görə də Traverso və həmkarları prosesi sürətləndirmək üçün süni intellektə müraciət ediblər.

Tədqiqatçılar COMET adlanan yeni bir model hazırlayıblar. Bu model, süni intellektin böyük dil modellərində istifadə edilən "transformer" arxitekturasından ilhamlanıb. Model, lipid nanopartikullarının kimyəvi komponentlərinin birləşmələrinin onların xüsusiyyətlərinə necə təsir etdiyini öyrənir.

Modeli öyrətmək üçün tədqiqatçılar təxminən 3,000 müxtəlif LNP formulundan ibarət bir kitabxana yaradıblar. Bu hissəciklərin hər biri laboratoriyada sınaqdan keçirilib və məlumatlar maşın öyrənməsi modelinə daxil edilib. Model öyrədildikdən sonra, tədqiqatçılar yeni formulaları proqnozlaşdırmağı və bunları laboratoriyada sınaqdan keçirməyi qərara alıblar. Model tərəfindən proqnozlaşdırılan hissəciklərin daha əvvəl sınaqdan keçirilənlərdən daha yaxşı işlədiyi müəyyən edilib.

Tədqiqatçılar həmçinin LNP-lərin müxtəlif hüceyrə növlərində daha yaxşı işləməsi üçün modelin öyrədilməsini sınaqdan keçiriblər. Bununla yanaşı, modellə LNP-lərin dondurulub-qurudulmaya (liofilizasiyaya) davamlılığını artırmaq üçün də tədqiqatlar aparılıb. Traverso bildirib ki, bu model tədqiqatları sürətləndirmək üçün çox geniş imkanlar açır. Hazırda tədqiqatçılar bu hissəcikləri diabet və piylənmə kimi xəstəliklərin müalicəsi üçün potensial terapiyalara daxil etmək üzərində işləyirlər.

Daha ətraflı məlumat "Nature Nanotechnology" jurnalında dərc olunub.