Pensilvaniya Universitetinin professoru İan Şeffler tərəfindən

Stephanie Baum tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

Saatda təxminən 1000 fərqli lipid nanopartikül formulasiyası yaratmaqla — əl ilə idarə olunan metodlardan 100 dəfə daha sürətli — sistem proqnozlaşdırıcı süni intellekt modellərini öyrətmək üçün lazım olan böyük, sistemli məlumat dəstlərini təmin edə bilər. Mənbə: Bella Ciervo

Süni intellekt antibiotiklərə davamlı infeksiyalar və genetik xəstəliklər üçün namizəd dərmanlar hazırlamışdır . Lakin COVID-19 peyvəndləri kimi mRNA terapiyalarının arxasındakı inqilabi çatdırılma vasitələri olan lipid nanopartiküllərinin (LNP) dizaynına süni intellekt daxil etmək səyləri daha məhdud olmuşdur.

LNP-lərin dizaynı xüsusilə çətindir: Hər bir formulada hissəciyin hüceyrələr daxilində genetik təlimatları necə çatdırdığına təsir edən nisbətləri olan bir neçə lipid komponenti birləşdirilir. Alimlər hələ də bu kimyəvi girişləri bioloji nəticələrlə əlaqələndirən aydın bir xəritəyə malik deyillər.

Səbəb? Sadəcə kifayət qədər məlumat yoxdur.

İndi Pensilvaniya Universitetinin mühəndisləri, proqnozlaşdırıcı süni intellekt modellərini öyrətmək üçün tələb olunan sürət və miqyasda LNP formulasiyaları yarada bilən avtomatlaşdırılmış mikrofluidik platforma olan LIBRIS qurdular.

Biomühəndislik üzrə dosent (BE) və ACS Nano üzrə bir tədqiqatın həmmüəllifi Maykl J. Mitçell deyir ki, “Bu, lipid nanopartiküllərinin inkişafını 100 dəfəyə qədər sürətləndirə bilər” .

LNP-lər üçün dizayn sahəsi çox böyükdür, ^10-15 mümkün formulasiyaya malikdir və bunlardan hər hansı biri müəyyən bir terapiyanın aparılması üçün ən uyğun ola bilər.

Mitçell əlavə edir ki, “Əgər süni intellekt vasitəsilə həmin məkanı araşdırmaq istəyiriksə, hazırda mövcud olduğundan daha çox məlumata ehtiyacımız var.”Yeni maşın kiçik bir fabrikə bənzəyir: müxtəlif LNP komponentlərini daşıyan borular alüminium korpusa yerləşdirilmiş şüşə mikrofluidik çipə daxil olur. Burada şəkildə göstərilən çipin içərisində komponentlər dəqiq idarə olunan təzyiq altında mikroskopik kanallarda bir-birinə qarışır. Müəllif: Bella Ciervo

Nəhayət, LIBRIS — “Robotla İnteqrasiya Edilmiş Skrininq vasitəsilə LIpid nanopartiküllərinin toplu istehsalı” üçün qısaldılmış — hətta LNP-lərin “rasional dizaynını” da dəstəkləyə bilər və tədqiqatçılara variasiyalar yaratmaq və sonra onların imkanlarını müəyyən etmək əvəzinə, hissəciklərin xüsusiyyətlərini əvvəlcədən müəyyən etməyə imkan verir.

Tədqiqatın həmmüəllifi və BE üzrə professor Devid İssador deyir: “Bu yeni mikroçip əsaslı robot yanaşması bu istiqamətdə atılan böyük bir addımdır. Süni intellekt nümunə tanımada üstündür, lakin kimyəvi strukturu bioloji təsirlə əlaqələndirən nümunələri tapmaq üçün bu nümunələrin ortaya çıxması üçün kifayət qədər məlumata ehtiyacımız var.”Biomühəndislik üzrə doktorantura tələbəsi və tədqiqatın ilk müəllifi Endryu Hanna robotun işləmə prosesini nümayiş etdirir. Müəllif: Bella Ciervo

Məlumatların daralması

Yeni LNP formulalarının yaradılması üç əsas mərhələdən ibarətdir: kimyası əsasən hissəciyin unikal xüsusiyyətlərini müəyyən edən yeni ionlaşa bilən lipidlərin yaradılması; həmin lipidləri digər maddələrlə birləşdirərək formulanın hazırlanması; və sonra yaranan hissəciklərin sınaqdan keçirilməsi.

İlk və son addımlar artıq böyük məlumat dəstlərinin yaradılmasını dəstəkləyə bilər.

“Biz asanlıqla minlərlə yeni ionlaşa bilən lipid yarada və eyni zamanda minlərlə LNP formulasını sınaqdan keçirə bilərik”, – deyə BE-də doktorantura tələbəsi və tədqiqatın ilk müəllifi Endryu Hanna bildirir. “Lakin biz saatda yalnız onlarla və yüzlərlə hissəcik dizaynı hazırlaya bilərik.”

Hazırda LNP-lərin hazırlanmasının iki əsas üsulu mövcuddur: inqrediyentləri əl ilə qarışdırmaq və ya onları mikrofluidik cihazda, əsasən komponentləri təzyiq altında bir-birinə itələyən dar kanalları olan kiçik bir plastik çipdə birləşdirmək.

Hanna deyir: “Bu, yavaş və vaxt aparan bir prosesdir. Eyni anda birdən çox LNP dizaynı hazırlaya bilməzsiniz. Hər dəfə işlədikdən sonra avadanlığı təmizləməli və yenidən başlamalısınız.”

Hətta avtomatlaşdırma belə yalnız məhdud rahatlıq təklif edir. Robot maye emalçıları lipid tərkibli maddələrin böyük kitabxanalarını hazırlaya bilər, lakin adətən partiyadan partiyaya dəyişkənlik gətirən uyğunsuz qarışdırma metodlarına əsaslanırlar. Daha çox idarə olunan mikrofluidik sistemlər ardıcıl hissəciklər istehsal edir, lakin yenə də əsasən ardıcıl şəkildə işləyir və bir anda yalnız kiçik həcmlər verir.

Hanna deyir ki, “Əslində nanopartikulların formalaşdırılması əngəldir. Prosesi miqyaslandıra bilməyincə, maşın öyrənmə modellərinin ehtiyac duyduğu böyük, sistemli məlumat dəstləri yarada bilmərik.”Soldan sağa: David Issadore, Andrew Hanna və Michael J. Mitchell. Müəllif: Bella Ciervo

Gündəlik məlumat üçün Phys.org-a etibar edən 100.000-dən çox abunəçi ilə elm, texnologiya və kosmosdakı ən son yenilikləri kəşf edin . Pulsuz bülletenimizə abunə olun və vacib olan nailiyyətlər, innovasiyalar və tədqiqatlar haqqında gündəlik və ya həftəlik yeniliklərdən xəbərdar olun .

LNP formulasiyasının avtomatlaşdırılması

Yeni maşın kiçik bir fabrikə bənzəyir: müxtəlif LNP komponentlərini daşıyan borular alüminium korpusa yerləşdirilmiş şüşə mikrofluidik çipə daxil olur. Çipin içərisində komponentlər dəqiq idarə olunan təzyiq altında mikroskopik kanallarda bir-birinə qarışır. Plastik quyu lövhəsi məhluldakı hissəciklərin axınlarını toplamaq üçün çipin altında gəzir.

Ənənəvi sistemlərdən fərqli olaraq, çip eyni vaxtda səkkiz fərqli formula yaratmağa imkan verən paralel kanallara malikdir. Bu kanallar tez təmizlənə bildiyindən, platforma az və ya çox fasiləsiz işləyə bilər və saatda təxminən 1000 LNP formulası istehsal edə bilər ki, bu da əl ilə idarə olunan mikrofluidik metodlardan təxminən 100 dəfə daha sürətlidir.

İssadore deyir ki, “Əgər biz LNP-lərin böyük, yaxşı müəyyən edilmiş kitabxanalarını yarada bilsək, onda LNP əsaslı terapevtiklərin bütün potensialını aça biləcək nümunələri müəyyən etmək üçün lazım olan məlumat dəstlərini istehsal etməyə başlaya bilərik.”

Rasional LNP dizaynına doğru

İndiyə qədər yeni LNP formulalarının yaradılması səyləri əsasən sınaq və səhv üsullarına əsaslanırdı. Tədqiqatçılar əlaqəli hissəciklərin kitabxanalarını yaradır, onları hüceyrələrdə və ya heyvanlarda sınaqdan keçirir və sonra hansı variasiyaların ən yaxşı nəticə verdiyini təhlil edirlər.

Bu yanaşma, FDA tərəfindən təsdiqlənmiş mRNA peyvəndlərində istifadə olunan LNP-lər də daxil olmaqla, mühüm irəliləyişlər əldə etsə də, alimlərə yeni bir formulanın necə davranacağını əvvəlcədən təxmin etməyə imkan vermir.

LNP formulasiyasının çıxışını kəskin şəkildə sürətləndirməklə yanaşı, hissəcik tərkibi üzərində dəqiq nəzarəti qorumaqla LIBRIS bu boşluğu aradan qaldırmağa kömək edə bilər. Komanda bildirir ki, növbəti addım müəyyən kimyəvi maddələrin bioloji nəticələrə necə təsir etdiyini xəritələşdirməyə başlamaqdır.

Mitçell deyir: “Vizyonumuz ekranlaşdırmadan dizayna keçməkdir. “Bunlardan hansı ən yaxşı işləyir?” sualını vermək əvəzinə, “Hansı xüsusiyyətlərə sahib olmaq istəyirik və onlara nail olmaq üçün nanopartikülü necə qururuq?” sualını vermək istəyirik. Bu platforma bizə bu suala cavab verməyə başlamaq üçün təməl verir.”

Nəşr detalları

Andrew R. Hanna və digərləri, Böyük və Dəqiq Təyin Edilmiş Lipid Nanohissəcik Kitabxanalarının Avtomatlaşdırılmış və Paralelləşdirilmiş Mikrofluidik Generasiyası, ACS Nano (2025). DOI: 10.1021/acsnano.5c15613

Jurnal məlumatı: ACS Nano 

Əsas anlayışlar

laboratoriya təcrübələriNanostrukturlarSüni intellekt

Pensilvaniya Universiteti tərəfindən təmin edilir