MIT-Team nutzt KI, um RNA-Impfstoffe ohne Ultrakühlung stabil zu machen
Ingenieure des MIT haben mithilfe eines KI-Algorithmus die Formulierung rund um jene Lipid-Nanopartikel neu entworfen, die mRNA-Impfstoffe in die Zellen transportieren. Die so entstandenen Varianten bleiben bis zu ein Jahr bei Raumtemperatur stabil. Die Arbeit, erschienen in Nature Biotechnology, könnte den Bedarf an Ultrakühlung verringern, die den Vertrieb von Impfstoffen erschwert.
- MIT-Forscher nutzten einen KI-Algorithmus, um LNP-Formulierungen zu entwerfen, die mRNA-Impfstoffe hitzebeständig machen.
- Die Impfstoffe blieben bis zu ein Jahr bei Raumtemperatur oder zwei Monate bei 37 Grad Celsius stabil.
- Bei Mäusen entsprachen die Immunantworten denen von LNPs ähnlich der ursprünglichen Moderna-Formulierung.
- Der Algorithmus kam mit kleinen Datensätzen aus, die Suche nach der Formulierung dauerte wenige Wochen.
- Der Ansatz funktionierte auch bei einem Pfizer-ähnlichen LNP und bei Mikronadelpflastern.
Das Problem mit der Kühlkette
RNA-Impfstoffe haben sich gegen Covid-19 als wirksam erwiesen und werden inzwischen auch für andere Krankheiten entwickelt, darunter Krebs. Ein Nachteil ist die Lagerung. RNA ist ein äußerst empfindliches Molekül, weshalb Forscher sie mit Lipid-Nanopartikeln (LNPs) schützen, die die RNA vor dem Abbau bewahren und ihr den Eintritt in Zellen erleichtern. Dennoch müssen diese RNA-LNP-Impfstoffe laut MIT weiterhin bei -20 bis -80 Grad Celsius gelagert werden. Das erschwert den Transport in Regionen ohne Kühlinfrastruktur.
Hitzebeständigere Impfstoffe würden eine breitere Verteilung ermöglichen. Sie könnten Forschern außerdem helfen, Impfstoffe für neue Verabreichungsformen wie Mikronadelpflaster zu entwickeln. Diese enthalten Hunderte mit Impfstoff gefüllte Mikronadeln, die sich auflösen, sobald sie auf die Haut aufgebracht werden.
Frühere Versuche bestanden darin, den LNPs Hilfsstoffe (Excipients) wie Zucker, Salze oder Polymere beizumischen. Ana Jaklenec und Robert Langer hatten kürzlich polymerstabilisierte LNPs entwickelt, die höhere Temperaturen aushalten. Diese wichen jedoch leicht von den FDA-zugelassenen Formulierungen ab, die in den Covid-19-Impfstoffen von Moderna und Pfizer verwendet werden. Die neue Studie zielte darauf, genau diese zugelassenen Formulierungen zu stabilisieren.
Wie der Algorithmus half
Das Team begann damit, bereits bewährte Hilfsstoffe erneut einzusetzen, doch der Fortschritt stockte. „Das war für das Team wirklich frustrierend“, sagte Jaklenec. Daraufhin arbeiteten die Forscher mit Kollegen des Computer Science and Artificial Intelligence Lab (CSAIL) des MIT zusammen, um einen Machine-Learning-Algorithmus zu bauen, der aus sehr kleinen Datensätzen Vorhersagen trifft.
Die Forscher analysierten fast 50 von der FDA zugelassene Hilfsstoffe. Um zu messen, wie gut jeder die RNA schützt, brachten sie mRNA, die für Glühwürmchen-Luciferase kodiert, in Zellen ein. Dieses Protein erzeugt Biolumineszenz, und die Forscher maßen das abgegebene Licht. Sie wählten fünf der vielversprechendsten Hilfsstoffe aus und ließen den Algorithmus Mischungsverhältnisse vorhersagen, die LNPs ähnlich denen von Moderna am besten stabilisieren würden.
Das Team testete jeweils zwei Formulierungen in Zellen, speiste die Ergebnisse zurück in den Algorithmus und erhielt neue Vorhersagen. Nach mehreren Runden wählten die Forscher eine Formulierung für Tierversuche aus. Laut MIT dauerte das nur wenige Wochen. Tran sagte, vor dem Einsatz des Algorithmus habe die Gruppe mehrere Monate damit verbracht, Kombinationen zu testen und Hilfsstoffe vorzusieben, ohne eine hundertprozentige Stabilität zu erreichen.
„Das Schöne an diesem Algorithmus ist, dass wir ihn mit kleinen Datensätzen einsetzen können“, sagte Jaklenec. Mina Konaković Luković vom CSAIL erklärte, der Algorithmus sei „in nur wenigen Iterationen“ bei einer stabilen Formulierung angekommen.
Ergebnisse bei Mäusen und Mikronadelpflastern
Um die Hitzebeständigkeit zu prüfen, verpackte das Team Covid-19-mRNA-Antigene in die neuen LNPs und entwässerte sie per Vakuumtrocknung. Anschließend wurden die Partikel zwei Monate lang bei 37 Grad Celsius (98 Grad Fahrenheit) oder ein Jahr lang bei Raumtemperatur gelagert. Mit diesen Partikeln geimpfte Mäuse zeigten Immunantworten, die denen von Mäusen entsprachen, die Impfstoffe mit LNPs ähnlich der ursprünglichen Moderna-Formulierung erhalten hatten.
Die Forscher nutzten die Formulierung außerdem, um feste Mikronadelpflaster mit einem SARS-CoV-2-Antigen herzustellen. Laut MIT lösten diese eine Immunantwort aus, die der injizierbarer RNA-Impfstoffe ähnelte.
Der Algorithmus stabilisierte zudem weitere LNP-Formulierungen, darunter eine, die denen ähnelt, die Pfizer für seinen Covid-19-Impfstoff verwendet. Sie enthält dieselben Hilfsstoffe wie die Moderna-ähnliche Variante, jedoch in einem anderen Verhältnis.
Was das bedeuten könnte
Die Forscher gehen davon aus, dass sich eine hitzebeständige Formulierung, sobald sie für einen bestimmten LNP-Typ existiert, so anpassen lässt, dass sie jede Art von mRNA-Fracht transportiert. Doktorand Jinbi Tian sagte, der Ansatz erweitere die Einsatzmöglichkeiten von mRNA-Impfstoffen sowie von Therapeutika und Wirkstofftransportsystemen, die einen festen Zustand oder Stabilität bei höheren Temperaturen erfordern.
Die bisherigen Ergebnisse stammen aus Zell- und Mausstudien. Jaklenec und Langer sind die Seniorautoren, Tian und der Postdoc Khanh Tran die Erstautoren. Die Forschung wurde teilweise von der Gates Foundation finanziert.
MIT News: New formulation helps RNA vaccines withstand high temperatures
