Peneliti MIT telah mengembangkan model berbasis AI untuk merancang nanopartikel untuk pengiriman vaksin RNA yang lebih efisien, menjanjikan pengembangan perawatan kritis yang lebih cepat untuk penyakit metabolik dan virus.
Para peneliti di MIT telah memelopori pendekatan baru menggunakan kecerdasan buatan untuk merancang nanopartikel yang lebih efisien dalam memberikan vaksin dan terapi RNA. Metode inovatif ini dapat secara signifikan mempercepat penciptaan pengobatan berbasis RNA baru untuk berbagai penyakit, termasuk obesitas dan diabetes.
Dengan melatih model pembelajaran mesin untuk menganalisis ribuan partikel pengiriman yang ada, tim di MIT telah mengembangkan sistem prediktif untuk mengidentifikasi dan membuat nanopartikel yang berkinerja lebih baik daripada yang ada saat ini.
Nanopartikel ini berpotensi meningkatkan kemanjuran vaksin RNA dan terapi RNA lainnya dengan memastikan pengiriman yang lebih baik ke sel dan melindungi RNA dari degradasi.
"Yang kami lakukan adalah menerapkan alat pembelajaran mesin untuk membantu mempercepat identifikasi campuran bahan optimal dalam nanopartikel lipid guna membantu menargetkan jenis sel yang berbeda atau membantu menggabungkan bahan yang berbeda, jauh lebih cepat daripada yang sebelumnya memungkinkan," ujar penulis senior Giovanni Traverso, seorang profesor madya teknik mesin di MIT dan ahli gastroenterologi di Rumah Sakit Brigham and Women's, dalam siaran pers.
Penelitian, diterbitkan di Nature Nanotechnology, dipelopori oleh Alvin Chan, mantan postdoc MIT dan sekarang asisten profesor di Nanyang Technological University, dan Ameya Kirtane, mantan postdoc MIT dan sekarang asisten profesor di University of Minnesota.
Penelitian inovatif ini memiliki potensi untuk merevolusi cara terapi RNA dikembangkan dan diberikan.
Memajukan Pengiriman RNA dengan Pembelajaran Mesin
Vaksin RNA, seperti yang dikembangkan untuk SARS-CoV-2, biasanya diberikan menggunakan nanopartikel lipid (LNP). Partikel-partikel ini penting untuk melindungi mRNA agar tidak dipecah di dalam tubuh dan memfasilitasi masuknya mRNA ke dalam sel.
Tim Traverso mengembangkan model AI baru bernama COMET untuk meningkatkan efisiensi sistem pengiriman ini.
"Kebanyakan model AI dalam penemuan obat berfokus pada pengoptimalan satu senyawa pada satu waktu, tetapi pendekatan tersebut tidak berhasil untuk nanopartikel lipid, yang terbuat dari beberapa komponen yang saling berinteraksi," tambah Chan. "Untuk mengatasi hal ini, kami mengembangkan model baru bernama COMET, yang terinspirasi oleh arsitektur transformator yang sama yang mendukung model bahasa besar seperti ChatGPT. Sebagaimana model-model tersebut memahami bagaimana kata-kata bergabung membentuk makna, COMET mempelajari bagaimana berbagai komponen kimia bergabung dalam nanopartikel untuk memengaruhi sifat-sifatnya — seperti seberapa baik nanopartikel tersebut dapat mengirimkan RNA ke dalam sel."
Untuk membuat model ini, para peneliti menghasilkan pustaka berisi sekitar 3,000 formulasi LNP. Mereka menguji formulasi ini di laboratorium untuk menentukan efisiensinya dalam mengirimkan RNA ke sel dan menggunakan data tersebut untuk melatih model pembelajaran mesin.
Ketika mereka menguji formulasi prediksi AI, mereka menemukan bahwa formulasi tersebut mengungguli LNP yang ada, termasuk yang digunakan secara komersial.
Memperluas Cakrawala
Para peneliti juga bereksperimen dengan menambahkan bahan baru, seperti poli-beta-amino ester bercabang (PBAE), ke dalam LNP.
Mereka menemukan bahwa polimer ini dapat berhasil menyalurkan asam nukleat sendiri.
Selain itu, model AI mampu memprediksi nanopartikel mana yang paling baik dalam menyalurkan RNA ke berbagai jenis sel, termasuk sel kanker kolorektal, dan mana yang tahan terhadap liofilisasi, proses pengeringan beku yang digunakan untuk memperpanjang masa simpan obat-obatan.
"Ini adalah alat yang memungkinkan kami mengadaptasinya ke serangkaian pertanyaan yang sangat berbeda dan membantu mempercepat pengembangan," tambah Traverso. "Kami melakukan serangkaian pelatihan besar yang digunakan dalam model, tetapi kemudian Anda dapat melakukan eksperimen yang jauh lebih terfokus dan mendapatkan hasil yang bermanfaat untuk berbagai jenis pertanyaan."
Implikasi dari penelitian ini sangat signifikan. Dengan menyederhanakan proses pengembangan terapi RNA, teknologi ini dapat membuka jalan bagi pengobatan baru untuk berbagai penyakit, dengan presisi dan kecepatan yang lebih tinggi.
Arah Masa Depan
Tim terus berupaya mengintegrasikan kemajuan ini ke dalam perawatan potensial untuk diabetes dan obesitas sebagai bagian dari proyek yang didanai oleh Badan Proyek Penelitian Lanjutan AS untuk Kesehatan (ARPA-H).
Pendekatan ini bisa sangat transformatif untuk mengembangkan terapi seperti tiruan GLP-1, serupa dengan yang digunakan dalam perawatan seperti Ozempic.