ペンシルベニア大学の研究チームは、遺伝子治療の送達に不可欠な脂質ナノ粒子（LNP）の設計を加速するための自動化システム「LIBRIS」を開発しました。このプラットフォームは、1 時間に約 1,000 の異なる LNP 製剤を生成できるため、従来の手動方法よりも 100 倍の速度を実現しています。LNP は COVID-19 ワクチンなどの mRNA 療法に使用されていますが、その設計は複数の脂質成分の比率が細胞内での送達効率に複雑に影響するため、化学的入力と生物学的効果の明確な相関関係が不明確でした。この課題の主な原因は、AI を訓練させるのに十分なデータが存在しないことです。 LIBRIS は、異なる成分を運ぶチューブから供給された液体が、アルミニウム製の筐体に入ったガラス製のマイクロ流体チップで精密に制御された圧力下で混合されるように設計されています。従来のシステムが Serial（逐次）処理であったのに対し、この新システムは並列チャンネルを採用し、同時に 8 つの異なる製剤を作成できます。迅速な洗浄機能により、連続的な運転が可能となり、大量のシステムデータセットを生成できるため、機械学習モデルの精度向上に寄与します。 研究者たちは、従来の trial-and-error（試行錯誤）アプローチに代わり、特定の化学的入力と生物学的結果のマッピングを進めることで、LNP の「合理的設計」を実現する展望を開きました。これは、どの製剤が最も優れているかを探すだけでなく、 desired な特性を事前に指定し、それを実現するナノ粒子を構築する能力を指します。マイケル・J・ミッチェル准教授は、このプラットフォームが LNP 開発を 100 倍加速させる可能性があると述べています。また、デビッド・イサドール教授は、AI が化学構造と生物学的効果のパターンを認識するには、膨大なデータが必要不可欠だと強調しています。 この技術は、抗菌薬耐性感染症や遺伝性疾患に対する薬剤設計においても応用が期待されており、現在進行中の研究により、特定の化学的入力がどのように生物学的効果に影響を与えるかを解明する作業がスタートしました。これにより、LNP 基盤の治療法の潜在的な可能性を引き出すためのデータ基盤が整いつつあります。