用机器学习算法预测mRNA疫苗的脂质纳米颗粒

脂质纳米颗粒(LNP)是信使rna疫苗的常用载体。目前LNP优化主要依靠传统实验筛选可电离脂类，成本高、时间长。目前的研究试图应用计算方法来加速LNP的mRNA疫苗的开发。首先收集了325份具有IgG效价的mRNA疫苗LNP配方数据样本。

利用机器学习算法lightGBM建立了一个性能良好的预测模型(R²> 0.87)。更重要的是，该算法识别了LNPs中可电离脂质的关键亚结构，与已发表的结果一致。动物实验结果表明，LNP以DLin-MC3-DMA (MC3)为可电离脂质N/P与SM-102的LNP相比，6:1的比例对小鼠的疗效更高，这与模型预测一致。

分子动力学模型进一步研究了实验中LNPs的分子机理。结果表明，脂质分子聚集形成LNPs, mRNA分子缠绕在LNPs周围。综上所述，首先建立了基于lnp的mRNA疫苗的机器学习预测模型，并通过实验验证，进一步与分子建模集成。该预测模型可用于LNP配方的虚拟筛选。

点击这里下载全文PDF格式或在这里阅读

文章信息:王伟，冯硕，叶珠一帆，高汉露，林金忠，欧阳德芳，基于机器学习算法的mRNA疫苗脂质纳米颗粒预测，药物学报B, 2021。https://doi.org/10.1016/j.apsb.2021.11.021。