Nat. Mater. | 利用机器学习和组合化学加速发现可电离脂质mRNA传递

文章预览

DRUG AI 今天为大家介绍的是来自Robert S. Langer与Daniel G. Anderson团队的一篇论文。为了充分发挥信使RNA（mRNA）疗法的潜力，扩大脂质纳米粒子的工具库至关重要。然而，脂质纳米粒子开发的一个关键瓶颈是识别新的可离子化脂质。在本文中，作者描述了一种加速发现用于mRNA递送的有效可离子化脂质的方法，该方法结合了机器学习和先进的组合化学工具。作者从一个简单的四组分反应平台开始，创建了一个化学多样性的584种可离子化脂质库。作者筛选了包含这些脂质的脂质纳米粒子的mRNA转染效率，并使用这些数据作为训练各种机器学习模型的基础数据集。作者选择了表现最佳的模型来探查一个包含40,000种脂质的扩展虚拟库，合成并实验评估了其中表现突出的16种脂质。作者得到了脂质119-23，它在多种组织中的肌肉和免疫细胞转染中表现优于已建立的基 ………………………………