Новый инструмент на базе искусственного интеллекта ускоряет лечение на основе мРНК для вирусов, рака и генетических заболеваний

Новая модель искусственного интеллекта может улучшить процесс разработки лекарств и вакцин, предсказывая, насколько эффективно определённые последовательности мРНК будут производить белки как в целом, так и в различных типах клеток.

Развитие нового подхода

Новое достижение, разработанное в рамках партнёрства между Академическим и промышленным секторами — Университетом Техаса в Остине и компанией Sanofi, — помогает предсказывать, сколько белка будут производить клетки. Это может минимизировать необходимость в экспериментах методом проб и ошибок, ускоряя разработку нового поколения лекарственных средств на основе мРНК.

Роль мРНК в организме

мРНК (матричная рибонуклеиновая кислота) содержит инструкции о том, какие белки и как производить, что позволяет нашему организму расти и выполнять повседневные жизненные процессы. Разработка новых вакцин и лекарств на основе мРНК для борьбы с вирусами, раком и генетическими заболеваниями включает в себя сложный процесс побуждения клеток в организме пациента производить достаточное количество белка из терапевтической мРНК для эффективной борьбы с болезнью.

Модель RiboNN

Новая модель, называемая RiboNN, призвана помочь в разработке новых лекарственных средств на основе мРНК, показывая, что приведёт к максимальному количеству белка, или лучше нацелит определённые части тела, такие как сердце или печень.

Команда [описала](https://www.nature.com/articles/s41587-025-02712-x) свою модель сегодня в одной из двух связанных статей в журнале Nature Biotechnology.

«Когда мы начали этот проект более шести лет назад, очевидного применения не было, — сказал Кан Ценник, доцент кафедры молекулярных биологических наук в UT Austin, который руководил работой вместе с Викрамом Агарвалом, руководителем отдела разработки платформ мРНК в Центре передового опыта Sanofi в области мРНК. — Нам было любопытно, координируют ли клетки, какие мРНК они производят, и насколько эффективно они транслируются в белки. В этом и заключается ценность исследований, основанных на любопытстве. Они закладывают основу для таких достижений, как RiboNN, которые становятся возможными гораздо позже».

Точность модели

В тестах, охватывающих более 140 типов клеток человека и мыши, модель RiboNN оказалась примерно в два раза точнее в прогнозировании эффективности трансляции, чем более ранние подходы.

Процесс производства белков в клетках

Представьте себе процесс производства белков в клетках вашего тела как работу команды поваров, готовящих торты. Чтобы приготовить порцию белков, повара (рибосомы) в одной из ваших клеток ищут рецепт в вашей уникальной книге рецептов белков (ДНК), копируют рецепт на карточки-заметки (мРНК), а затем комбинируют ингредиенты (аминокислоты) в соответствии с рецептом, чтобы испечь торты (белки).

Вакцина или лекарственное средство на основе мРНК побуждают этих поваров в ваших клетках производить белки. В случае вакцины они могут произвести белок, обнаруженный на поверхности патогенного вируса или раковых клеток, по сути, размахивая большим красным флагом перед вашей иммунной системой, чтобы она выработала антитела против вируса или рака.

В случае заболевания, вызванного генетической мутацией, они могут произвести белок, который ваш организм не может правильно вырабатывать самостоятельно, устраняя нарушение.

Создание модели RiboNN

Перед разработкой своей новой прогностической модели Ценник и команда UT сначала собрали набор общедоступных данных, полученных более чем из 10 000 экспериментов, измеряющих, насколько эффективно различные мРНК транслируются в белки в различных типах клеток человека и мыши.

После создания этого обучающего набора данных эксперты по искусственному интеллекту и машинному обучению из UT и Sanofi объединились для разработки RiboNN.

Одной из целей прогностического инструмента является создание в будущем терапии, нацеленной на определённый тип клеток, сказал Ценник. «Возможно, вам понадобится терапия следующего поколения, которую нужно будет создать в печени, лёгких или иммунных клетках», — сказал он. «Это открывает возможность изменить последовательность мРНК, чтобы увеличить производство этого белка в этом типе клеток».

В [сопутствующей статье](https://www.nature.com/articles/s41587-025-02718-5) также в Nature Biotechnology команда продемонстрировала, что мРНК со связанными биологическими функциями транслируются в белки на аналогичных уровнях в различных типах клеток. Учёные давно знали, что процесс транскрипции генов со связанными функциями в мРНК координируется, но ранее не было показано, что трансляция мРНК в белки также координируется.

Студенты-исследователи бакалавриата UT вручную проверили доступные данные на точность и заполнили недостающую информацию для создания RiboBase, набора данных, необходимого для обучения модели искусственного интеллекта.

В разработке RiboNN приняли участие команда, включающая Логана Персина, аспиранта UT в области компьютерных наук, а также Динхай Чжэна и Цзюнь Вана из Sanofi. Офис Discovery to Impact UT помог облегчить сотрудничество между UT и Sanofi, разработав исследовательское соглашение.

Предоставлено: [University of Texas at Austin](https://phys.org/partners/university-of-texas-at-austin/)

Источник