Bir mRNA aşısı, yağdan bir balonun içindeki mesaj molekülüdür. İki parçası da kırılgandır. RNA aşılarının çoğunun eksi 20 ile eksi 80 santigrat derece arasında taşınmasının nedeni bu; dünyanın büyük bölümünde böyle bir soğuk zincir yok. MIT'deki bir ekip şimdi soruna daha iyi soğutmayla değil, daha iyi bir balonla saldırmanın yolunu buldu — ve o yolu bir algoritmayla buldu.

Nature Biotechnology dergisinde "Accelerated discovery of thermostable mRNA–lipid nanoparticle vaccines using data-efficient AI" başlığıyla yayımlanan çalışma, MIT Koch Institute'ta Ana Jaklenec ve Robert Langer'ın laboratuvarlarından çıktı; baş yazarlar Jinbi Tian ve Khanh Tran, katkıda bulunanlar arasında MIT Bilgisayar Bilimi ve Yapay Zekâ Laboratuvarı var. Çalışma kısmen Gates Vakfı tarafından desteklendi.

Sorun şu: lipid nanopartiküller (LNP) mRNA'yı korur ve hücreye taşır. Hangi yardımcı maddelerin hangi oranlarda partikülleri ısıya dayanıklı kıldığı, neredeyse sonsuz kombinasyonu olan bir arama uzayı. Ekip daha önce şeker, tuz ve polimerlerle denemiş, kısmi başarı elde etmiş ama onaylı aşılarda kullanılan formülasyonlarda başaramamıştı. Binlerce formülasyon denemesini elle yürütmek seçenek değildi.

Yanıt, küçük veri kümeleriyle çalışacak biçimde kurulmuş bir model oldu. Model önce FDA onaylı yaklaşık 50 yardımcı maddeyi analiz etti. Her aday için araştırmacılar, ateş böceği lusiferazı kodlayan mRNA taşıyan bir LNP'yi ne kadar iyi stabilize ettiğini ölçtü; bu protein ışık yayar, transfeksiyon sonrası daha çok ışık mRNA'nın daha iyi hayatta kaldığı anlamına gelir. Bu taramadan beş umut verici yardımcı madde seçildi ve algoritmadan Moderna'nın Covid-19 aşısında kullandığına benzeyen partikülleri üretme olasılığı en yüksek oranları tahmin etmesi istendi. Aynı anda iki aday test edildi, sonuçlar modele geri beslendi ve model sonraki tahminleri üretti. Birkaç turun ardından bir formülasyon hayvan denemesine gitti. Yönlendirilmiş süreç, önceki tarama turlarının yediği aylar yerine haftalar sürdü.

Sonra asıl test. Partiküller Covid-19 mRNA antijenlerini paketledi, hazırlık vakumla kurutuldu ve sonuç ya 37 santigrat derecede (98 Fahrenheit) iki ay ya da oda sıcaklığında bir yıl saklandı. Saklanan aşısı alan fareler, Moderna'nın orijinaline benzer bir referans formülasyonla eşdeğer bağışıklık yanıtı üretti.

Aynı ısıya dayanıklı formülasyon katı mikroiğne yamalarında da çalıştı: deride çözünen, SARS-CoV-2 antijeni taşıyan küçük iğneler, farelerde enjekte edilebilir RNA aşılarına benzer yanıt oluşturdu. Ekip algoritmayı ayrıca Pfizer'in kullandığına benzeyen başka bir LNP bileşimine uyguladı — aynı yardımcı maddeler, farklı oranlar.

Bunun anlamına gelmeyen şeyler:

- İnsan verisi yok. Burada insanda raf ömrü, güvenlik, etkililik veya ticari dağıtıma hazırlık kanıtlanmıyor. - Bulgular belirli formülasyonları, antijenleri ve laboratuvar yöntemlerini kapsıyor; her ticari RNA ürününü değil. - Vakumla kurutma ve büyük ölçekli üretim bu çalışmada test edilmedi. - Yazarlar, bir LNP için ısıya dayanıklı bir kombinasyon bulunduğunda bunun başka mRNA yüklerini taşımak üzere uyarlanabileceğini öne sürüyor. Bu bir geliştirme perspektifi, gösterilmiş bir sonuç değil.

Yine de neden önemli: mRNA'nın darboğazı hiçbir zaman yalnızca biyoloji değildi, lojistikti. Oda sıcaklığında bir yıl dayanan bir aşı, dondurucusu olmayan bir klinikte, nehirde bir teknede ya da jeneratörle dönen bir aşılama kampanyasında neyin mümkün olduğunu değiştirir. Gates Vakfı bu tür lipid kimyasını meraktan değil, bu aritmetik yüzünden finanse ediyor. Çalışmanın asıl katkısı yöntemsel: birkaç ölçümden öğrenen bir model, formülasyon aramasını aylardan haftalara indirebiliyor — aşılardan çok daha öteye uzanan bir desen.

Bağımsız gruplar formülasyonu yeniden kurup daha büyük çalışmalar yayımlanana kadar geriye kalan, yazarların kendi deyişiyle erken kanıt; bitmiş bir ürün değil.

Kaynaklar