Key points are not available for this paper at this time.
Zusammenfassung Ionisierbare Lipidnanopartikel (LNPs) finden breite Anwendung bei der mRNA-Zuführung, insbesondere bei SARS-CoV-2-mRNA-Impfstoffen. Jedoch wird die Ausweitung von mRNA-Therapien über COVID-19 hinaus durch das Fehlen von LNPs, die für unterschiedliche Zelltypen maßgeschneidert sind, behindert. In dieser Studie präsentieren wir die AI-gesteuerte Ionisierbare Lipid-Engineering (AGILE)-Plattform, eine synergetische Kombination aus Deep Learning und kombinatorischer Chemie. AGILE optimiert die Entwicklung ionisierbarer Lipide durch effizientes Bibliotheksdesign, in silico Lipid-Screening über tiefe neuronale Netzwerke und Anpassungsfähigkeit an verschiedene Zelllinien. Mithilfe von AGILE entwerfen, synthetisieren und bewerten wir schnell ionisierbare Lipide für die mRNA-Zuführung und wählen aus einer umfangreichen Bibliothek aus. Interessanterweise zeigt AGILE zellspezifische Präferenzen für ionisierbare Lipide, was darauf hinweist, dass sie für eine optimale Zuführung an unterschiedliche Zelltypen angepasst werden. Dies hebt das Potenzial von AGILE hervor, die Entwicklung maßgeschneiderter LNPs zu beschleunigen, um den komplexen Bedürfnissen der mRNA-Zuführung in der klinischen Praxis gerecht zu werden und somit den Bereich und die Wirksamkeit von mRNA-Therapien zu erweitern.
Xu et al. (Freitag) haben diese Frage untersucht.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: