Accueil Santé & Bien-être Modèle prédictif par apprentissage automatique pour le criblage de vaccins à ARNm...

Modèle prédictif par apprentissage automatique pour le criblage de vaccins à ARNm basés sur les LNP

86
0

Dans ce nouvel article publié par Acta Pharmaceutica Sinica BLes auteurs Wei Wang, Shuo Feng, Zhuyifan Ye, Hanlu Gao, Jinzhong Lin et Defang Ouyang de l’Université de Macao, Macao, et de l’Université Fudan, Shanghai, Chine discutent de la prédiction des nanoparticules lipidiques pour les vaccins ARNm par des algorithmes d’apprentissage automatique.

Les nanoparticules lipidiques (LNP) sont couramment utilisées pour délivrer des vaccins à ARNm. Actuellement, l’optimisation des nanoparticules lipidiques repose principalement sur le criblage des lipides ionisables par des expériences traditionnelles qui consomment beaucoup de temps et d’argent. L’étude actuelle tente d’appliquer des méthodes computationnelles pour accélérer le développement de LNP pour les vaccins à ARNm. Tout d’abord, 325 échantillons de données de formulations LNP de vaccins à ARNm avec un titre d’IgG ont été collectés.

Lire aussi :  Une étude fait le point sur la prévalence de la dépression au sein de la population américaine

L’algorithme d’apprentissage automatique, lightGBM, a été utilisé pour construire un modèle de prédiction avec de bonnes performances (R2>0.87). Plus important encore, les sous-structures critiques des lipides ionisables dans les LNP ont été identifiées par l’algorithme, ce qui correspond bien aux résultats publiés. Les résultats de l’expérimentation animale ont montré que les LNP utilisant DLin-MC3-DMA (MC3) comme lipide ionisable avec une valeur de N/P à 6:1 a induit une efficacité plus élevée chez les souris que les LNP avec SM-102, ce qui était conforme à la prédiction du modèle. La modélisation dynamique moléculaire a permis d’étudier plus avant le mécanisme moléculaire des LNP utilisées dans l’expérience.

Lire aussi :  Les techniques de modélisation moléculaire décrivent le processus d'interaction entre les nanotubes et les principales structures du SRAS-CoV-2.

Le résultat a montré que les molécules lipidiques se sont agrégées pour former des LNP et que les molécules d’ARNm se sont enroulées autour des LNP. En résumé, le modèle prédictif d’apprentissage automatique pour les vaccins ARNm à base de LNP a d’abord été développé, validé par des expériences, puis intégré à la modélisation moléculaire. Le modèle de prédiction peut être utilisé pour le criblage virtuel des formulations de LNP à l’avenir.

Source :

Référence du journal :

Wang, W., et al. (2022) Prédiction des nanoparticules lipidiques pour les vaccins à ARNm par l’algorithme d’apprentissage automatique. Acta Pharmaceutica Sinica B. doi.org/10.1016/j.apsb.2021.11.021.

Article précédentL’étude indique une nouvelle direction pour le développement de thérapies contre le cancer ciblant le NAMPT.
Article suivantUn système de nanoparticules multifonctionnelles pourrait constituer une voie thérapeutique prometteuse pour le traitement du cancer du sein
Apasionado del running, vegano a los 25 años y comercial de la ropa, me incorporé al equipo de redacción de AltaVision.news en noviembre de 2021