KI stabilisiert RNA-Impfstoffe für Raumtemperatur-Lagerung

MIT-Forschende entwickeln mit KI gestützte Formulierungen für hitzestabile mRNA-Impfstoffe Ein Forschungsteam des Massachusetts Institute of Technology (MIT) hat einen wegweisenden Fortschritt bei der Stabilisierung von mRNA-Impfstoffen erzielt. Wie kürzlich in der Fachzeitschrift Nature Biotechnology veröffentlicht, kombinierten die Wissenschaftler unter der Leitung von Ana Jaklenec und Robert Langer künstliche Intelligenz mit der Optimierung von Lipid-Nanopartikeln, um die bisherige Temperaturabhängigkeit der Impfstofflagerung erheblich zu reduzieren. Die Arbeit wurde maßgeblich vom Gates-Fonds unterstützt. mRNA-Impfstoffe gelten als effektives Therapeutikum gegen Infektionskrankheiten und zunehmend auch gegen Krebs, leiden jedoch unter der Notwendigkeit einer Kühlkette bei Temperaturen zwischen minus 20 und minus 80 Grad Celsius. Dies erschwert den Einsatz in Regionen mit unzureichender Infrastruktur. Um dieses Hindernis zu überwinden, suchten die Forscher nach Methoden, um FDA-zugelassene Hilfsstoffe in die Nanopartikel-Formulierung zu integrieren. Traditionelle Testverfahren stießen dabei schnell an Grenzen, weshalb das Team um die Erstautoren Jinbi Tian und Khanh Tran sowie Mina Konaković Luković aus dem Computer Science and Artificial Intelligence Laboratory einen KI-Ansatz verfolgte. Der entwickelte Algorithmus zeichnet sich durch seine Fähigkeit aus, präzise Vorhersagen auf Basis minimaler Datensätze zu treffen. Anstatt Tausende von Kombinationen manuell zu testen, analysierte das KI-System nahezu fünfzig zugelassene Hilfsstoffe und priorisierte die vielversprechendsten Kandidaten. Durch iteratives Feedback aus Zellkulturversuchen passte die Software die Mischungsverhältnisse autonom an. Innerhalb weniger Wochen identifizierte das System eine Formulierung, die sich deutlich schneller entwickeln ließ als mit herkömmlichen, erschöpfenden Suchverfahren. Die Validierung in Tiermodellen bestätigte die Wirksamkeit des KI-optimierten Ansatzes. Die mit dem SARS-CoV-2-Antigen beladenen Partikel behielten ihre strukturelle Integrität bei, selbst nachdem sie zwei Monate lang Temperaturen von rund 37,8 Grad Celsius oder ein ganzes Jahr bei Raumtemperatur ausgesetzt waren. Die im Mausmodell ausgelöste Immunantwort entsprach der Wirkung herkömmlicher, kälteabhängiger mRNA-Impfstoffe im Moderna-Stil. Zudem demonstrierten die Forschenden die Eignung der stabilisierten Formulierung für neuartige Verabreichungsformen, etwa als festes Mikronadel-Pflaster, das den Impfstoff kontrolliert durch die Haut freisetzt. Die Studie unterstreicht die Skalierbarkeit des Algorithmus. Das Team konnte nachweisen, dass sich die KI-Methodik auch auf Nanopartikel-Plattformen übertragen lässt, die denen des Impfstoffs von Pfizer ähneln. Da die Rezepturprinzipien unabhängig vom spezifischen mRNA-Lastgut sind, eröffnet der Ansatz Perspektiven für eine breitere Palette therapeutischer RNA-Präparate und fortschrittlicher Drug-Delivery-Systeme. Die Ergebnisse markieren einen entscheidenden Schritt hin zur globalen Zugänglichkeit moderner mRNA-Therapien und etablieren maschinelles Lernen als unverzichtbares Werkzeug in der pharmazeutischen Formulierungsforschung.