AI驱动脂质设计突破:实现高效靶向mRNA递送
mRNA技术的广泛应用依赖于脂质纳米颗粒(LNP)作为递送载体,然而传统LNP的开发长期受限于“试错法”的低效模式。最新研究通过将人工智能与脂质三维空间构像分析相结合,成功筛选出高效且具备器官靶向能力的新型脂质分子,为mRNA疗法在癌症疫苗及遗传病治疗领域的应用提供了新的技术路径。
01AI筛选机制与构像分析原理
研究团队构建了包含1408种不同结构脂质的化合物库,并通过计算机模拟这些脂质在有机相与水相转变过程中的动态构像,提取了超过2000种构像数据。将这些数据与mRNA递送效率关联后,训练了机器学习模型。分析发现,脂质的空间形态而非单纯的化学组成是决定递送效率的关键因素。其中,呈现“锥形构像”且头部完全暴露的脂质分子,在形成稳定纳米颗粒、结合mRNA以及促进内体逃逸方面表现最优。
02递送效率与靶向机制
基于AI模型预测,研究筛选出六种新型脂质,其中P1至P4表现优异。特别是P4脂质,其递送效率比辉瑞新冠疫苗中使用的商业脂质ALC-0315高出14.8倍。此外,研究揭示了通过改变脂质连接子实现器官特异性靶向的机制:不同构像的脂质会在纳米颗粒表面吸附不同的血浆蛋白,从而引导其到达特定器官。
脂质靶向递送机制对比
脂质P1(酯键连接子)
主要吸附IgM蛋白
与B细胞表面FCμR受体结合
实现精准脾脏递送


脂质11(酰胺键连接子)
主要吸附Vitronectin蛋白
与肺内皮细胞整合素受体结合
实现精准肺部递送
03癌症治疗验证与安全性
在黑色素瘤小鼠模型的实验中,利用脾脏靶向的P1-LNP制备OVA mRNA疫苗,结果显示出显著的治疗效果。实验组小鼠肿瘤完全消失,且全部存活至50天,而对照组肿瘤生长显著且死亡率较高。免疫分析进一步证实,该疫苗显著增加了抗原特异性细胞毒性T细胞、辅助T细胞及天然杀伤细胞的水平,并能诱导长期的免疫记忆。安全性评估方面,小鼠未出现显著的体重下降、血液生化指标异常或组织病理学异常。
| 指标 | P1疫苗组 | 商业脂质组 | PBS对照组 |
|---|---|---|---|
| 肿瘤生长情况 | 完全消失 | 显著生长 | 显著生长 |
| 存活率(第50天) | 100% | 50% | 接近0% |
| 抗原特异性CD8+ T细胞 | 增加2.2倍 | - | - |
| 辅助T细胞 | 增加1.4倍 | - | - |
| 天然杀伤细胞 | 增加1.4倍 | - | - |
P1-LNP疫苗在黑色素瘤小鼠模型中的治疗数据
该研究首次将AI技术与脂质空间构像分析深度融合,突破了传统药物研发的效率瓶颈,实现了对脂质分子功能的精确控制。这一进展不仅为个性化mRNA治疗奠定了基础,也标志着AI在生物医药领域从辅助工具向核心设计角色的转变,预示着药物研发将进入一个全新的构像导向时代。
当前文章无评论,是时候发表评论了