Messenger RNA (mRNA) vacciner revolutionerar behandlingen av cancer. De kan utvecklas flexibelt på kort tid, vilket möjliggör övergående uttryck av flera antigener för säker och effektiv immunisering. En mångfald av mRNA-vacciner undersöks på kliniken för att gynna patienter med cancer.
Men översättningen av mRNA-vacciner hämmas fortfarande av flerstegs leveransbarriärer innan stark immunitet initieras, inklusive snabb clearance, dålig inriktning mot lymfoida organ och dendritiska celler, katalytisk hydrolys och svag förmåga att passera genom fosfolipiddubbelskikt. Dessutom kan vaccination med enbart mRNA knappt inducera starka immunsvar i frånvaro av adjuvans. Det är fortfarande en utmaning att förbättra cytosolisk leverans av mRNA och främja dess in vivo-vaccinationseffektivitet i kombination med adjuvans.
Under de senaste decennierna har ett stort antal nanobärare rapporterats främja transfektionseffektiviteten av nukleinsyraläkemedel eller leverera läkemedel till lymfkörtlar. Dessa studier ger värdefulla egenskaper inklusive storlek, ytladdning, modifiering, känslighet, komponenter och cytotoxicitet för att uppnå målet för lymfkörtlardränering eller cytosolisk tillgång.
Maskininlärningstekniker ger kraftfulla verktyg för att utforska de fysikalisk-kemiska egenskaperna och biologiska egenskaperna hos dessa nanopartiklar, och underlättar designen av nanobärare med hög effektivitet. Vanligtvis tränades, valdes och optimerades maskininlärningsmodeller med högkvalitativa och massiva datauppsättningar från beräkningar och experimentell data med hög genomströmning, och i sin tur styr den rationella designen, screeningen och optimeringen av nanobärare.
Genom att utnyttja befintliga nanobärares databaser kan maskininlärning ge insikter i rationell design av nanovacciner med hög effektivitet.
I en ny forskningsartikel publicerad i National Science Review , använde forskare från den kinesiska vetenskapsakademin och Shanghai Jiao Tong University maskininlärning för att vägleda den rationaliserade utformningen av mRNA-nanovacciner. Denna studie identifierade nyckelparametrarna för nanovacciner för effektiv leverans av mRNA och cGAMP baserat på en maskininlärningsmodell från Nanocarrier-databasen.
mRNA/cGAMP nanokomplexen baserade på fenylboronsyraympad polyetylenimin preparerades och inkapslades ytterligare med anjoniska lipider för att erhålla nanovaccinet.
(1) Nanovaccinets negativa ytladdning minskar interaktionen med negativt laddade glykosaminoglykaner i matrisen och förbättrar ackumuleringen i lymfkörtlarna.
(2) Nanovaccinet, efter att ha internaliserats av de antigenpresenterande cellerna (APC) i lymfkörtlarna, främjar frisättningen av mRNA och cGAMP från endosomerna till cytoplasman, vilket aktiverar STING-vägen och inducerar presentationen av tumörantigener.
(3) Aktiveringen av STING-vägen främjar frisättningen av IFN-I, som aktiverar T-cells immunsvar för att döda tumörceller och hämma tumörtillväxt och metastasering. Jämfört med enbart mRNA, visade den terapeutiska strategin baserad på detta nanovaccin starkare antitumöreffekter i modeller för melanom och kolorektal cancer.
Artikeln är publicerad i tidskriften National Science Review .
Mer information: Lei Zhou et al, STING-agonistförstärkt mRNA-immunisering via intelligent design av nanovacciner för att förbättra cancerimmunterapi, National Science Review (2023). DOI:10.1093/nsr/nwad214
Tillhandahålls av Science China Press
