MITのAIがRNAワクチン・治療薬開発を加速

MITのエンジニアたちは、人工知能の画期的な応用を明らかにしました。彼らは、RNAを細胞に前例のない効率で送達できるナノ粒子を設計可能な機械学習モデルを開発したのです。この進歩は、SARS-CoV-2に対するものと同様のRNAワクチンの開発だけでなく、肥満から糖尿病、その他の代謝性疾患に至るまで、様々な症状に対する新しい世代のRNAベース治療薬の開発を加速させることが期待されます。

RNAワクチンや多くの新興RNA治療薬は、通常、脂質ナノ粒子（LNP）として知られる微小な脂肪ベースの球体といった洗練された送達システムに依存しています。これらのナノ粒子は、繊細なメッセンジャーRNA（mRNA）を体内で分解から保護し、注射後に標的細胞への侵入を促進するという重要な二重の役割を果たします。これらの送達媒体の効率を高めることは、より強力なワクチンを開発し、体内で有益なタンパク質を生成するための遺伝子命令を運ぶmRNAの治療可能性を拡大するために極めて重要です。

従来、LNPの処方を最適化する作業は、骨の折れる時間のかかるプロセスでした。典型的なLNPは、コレステロール、ヘルパー脂質、イオン化可能脂質、ポリエチレングリコール（PEG）に結合した脂質の4つの主要成分で構成されています。各成分の異なる変種を入れ替えることで生じる膨大な数の組み合わせは、網羅的な実験的試験を非現実的なものにします。MITの機械工学准教授でこの研究のシニア著者であるGiovanni Traversoは、主著者のAlvin ChanとAmeya Kirtaneと共に、このボトルネックを認識し、人工知能に目を向けました。

彼らの革新的な解決策は、ChatGPTのような大規模言語モデルの基盤となる「トランスフォーマー」アーキテクチャから着想を得た、COMETと名付けられた新しいモデルです。医薬品探索におけるほとんどのAIモデルが単一化合物の最適化に焦点を当てる中、COMETは、ナノ粒子内で複数の化学成分がどのように相互作用して、RNAを細胞に効果的に送達する能力などの特性に影響を与えるかを理解するように独自に設計されています。Traversoは、「我々が行ったのは、機械学習ツールを適用して、脂質ナノ粒子における最適な成分混合物の特定を加速し、異なる細胞タイプを標的にしたり、異なる材料を組み込んだりするのを、以前よりもはるかに速く可能にすることでした」と説明しました。

COMETを訓練するために、研究者たちは約3,000種類の異なるLNP製剤のライブラリを綿密に構築しました。これらの各粒子は、RNA送達効率を定量化するために実験室でテストされ、その結果得られたデータが機械学習モデルに投入されました。訓練後、COMETは既存のLNPを上回る新規製剤を予測する任務を与えられました。実験的検証によりモデルの能力が確認されました。AIが予測したLNPは、蛍光タンパク質をコードするmRNAを実験室のシャーレ内のマウス皮膚細胞に送達する際に優れた性能を示し、場合によっては市販のLNP製剤よりも優れていました。

研究者たちはさらにCOMETの汎用性を探求しました。彼らは、COMETモデルを訓練し、核酸送達能力で知られるポリマーの一種である分岐ポリベータアミノエステル（PBAE）という5番目の成分をLNPに組み込むことに成功し、さらに優れた性能を持つハイブリッド粒子の予測につながりました。このモデルは、結腸直腸癌由来のCaco-2細胞を含む特定の細胞タイプへの送達に最適化されたLNPを予測するのにも熟練していることが証明されました。さらに、COMETは、多くの医薬品の貯蔵寿命を延ばすために不可欠な凍結乾燥プロセスに最もよく耐えるLNP製剤を予測することもできました。

Nature Nanotechnology誌に掲載されたこのAI駆動型の手法は、医薬品発見における大きな飛躍を表しており、幅広い研究課題に適応できる柔軟なツールを提供します。研究チームは現在、これらのAI設計粒子の一部を、Ozempicなどの薬剤に似たGLP-1模倣体を含む、糖尿病および肥満症の潜在的な治療法に組み込むために積極的に取り組んでいます。この取り組みは、米国高等研究計画局（ARPA-H）が資金提供する複数年研究プログラムの一部であり、特にRNA治療とワクチンの経口投与を対象としています。細胞内でのタンパク質生産効率を最大化することで、このアプローチは非常に効果的な新しい治療法を開発する大きな可能性を秘めており、概念から臨床応用までの開発期間を劇的に短縮します。