MIT dùng AI tối ưu công thức vaccine RNA, giúp bảo quản ổn định ở nhiệt độ phòng suốt một năm

Vắc-xin RNA, vốn đã được chứng minh hiệu quả chống lại Covid-19, hiện đang được phát triển cho nhiều loại bệnh khác, bao gồm cả ung thư. Một trong những hạn chế của các loại vắc-xin này là yêu cầu bảo quản ở nhiệt độ cực thấp, nhưng các nhà nghiên cứu từ MIT đã tìm ra một phương pháp đầy hứa hẹn để khắc phục hạn chế đó.

Với sự hỗ trợ từ thuật toán AI, các nhà nghiên cứu đã tinh chỉnh công thức bao quanh các hạt nano lipid (lipid nanoparticles) thường được sử dụng để vận chuyển vắc-xin mRNA, giúp vắc-xin có khả năng chịu nhiệt tốt hơn. Sử dụng phương pháp này, họ đã tạo ra các loại vắc-xin có thể duy trì sự ổn định ngay cả khi được bảo quản ở nhiệt độ phòng trong tối đa một năm, hoặc ở gần 100 độ Fahrenheit (khoảng 38 độ C) trong hai tháng.

Khi vắc-xin Covid-19 được vận chuyển bởi các hạt này được tiêm cho chuột, chúng tạo ra phản ứng miễn dịch mạnh mẽ tương đương với vắc-xin RNA Covid-19 tương tự như loại do Moderna phát triển. Bằng cách sử dụng thuật toán AI để dự đoán các công thức tối ưu cho các hạt này, các nhà nghiên cứu đã có thể cắt giảm số lượng thí nghiệm cần thực hiện, giúp đẩy nhanh đáng kể quá trình phát triển.

“Điểm tuyệt vời thực sự của thuật toán này là chúng ta có thể sử dụng nó với các tập dữ liệu nhỏ,” Ana Jaklenec, một điều tra viên chính tại Viện Nghiên cứu Ung thư Tích hợp Koch của MIT cho biết. “Việc thực hiện hàng ngàn thí nghiệm là rất khó khăn, vì vậy thuật toán này cho phép chúng ta dễ dàng đạt được các công thức với những đặc tính mà chúng ta mong muốn — trong trường hợp này là sự ổn định.”

Jaklenec và Robert Langer, Giáo sư tại Viện David H. Koch, là các tác giả cấp cao của bài báo, được công bố hôm nay trên tạp chí Nature Biotechnology. Nghiên cứu sinh Jinbi Tian và nghiên cứu sinh sau tiến sĩ Khanh Tran là các tác giả chính của bài báo.

Vắc-xin ổn định

RNA là một phân tử cực kỳ dễ phân hủy, vì vậy các nhà nghiên cứu ổn định nó bằng các hạt nano lipid (LNP) giúp bảo vệ RNA khỏi sự phân hủy và hỗ trợ nó xâm nhập vào tế bào. Tuy nhiên, các loại vắc-xin RNA-LNP này vẫn cần được giữ lạnh (-20 đến -80 độ C), điều này gây khó khăn cho việc vận chuyển đến các khu vực không có sẵn cơ sở vật chất bảo quản lạnh.

Làm cho các loại vắc-xin này chịu nhiệt tốt hơn không chỉ cho phép chúng được phân phối rộng rãi hơn mà còn có thể giúp các nhà nghiên cứu phát triển các loại vắc-xin mới có thể được sử dụng thông qua các phương pháp mới lạ như miếng dán vi kim (microneedle patches). Những miếng dán này chứa hàng trăm vi kim chứa đầy vắc-xin, sẽ hòa tan khi miếng dán được áp lên da, giải phóng vắc-xin.

Để tạo ra các loại vắc-xin RNA ổn định hơn, các nhà nghiên cứu đã thử nghiệm thêm nhiều loại tá dược khác nhau — đường, muối hoặc polymer — vào các LNP. Jaklenec và Langer gần đây đã phát triển các LNP ổn định bằng polymer có thể chịu được nhiệt độ cao hơn, nhưng các LNP đó hơi khác so với các công thức đã được FDA phê duyệt được sử dụng cho vắc-xin Covid-19 của Moderna và Pfizer.

Trong bài báo mới của mình, các nhà nghiên cứu muốn xem liệu họ có thể tìm ra cách làm cho các công thức đã được FDA phê duyệt đó ổn định hơn ở nhiệt độ cao hay không.

Họ bắt đầu bằng việc tái sử dụng một số tá dược đã hiệu quả trong các nỗ lực trước đó, nhưng họ “thực sự bị bế tắc,” Jaklenec nói. “Chúng tôi đã cố gắng sử dụng và sàng lọc các tá dược mà chúng tôi đã từng sử dụng thành công để ổn định LNP, nhưng nó không hiệu quả. Điều đó thực sự gây nản lòng cho cả nhóm.”

Để đẩy nhanh tiến độ, các nhà nghiên cứu quyết định thử phương pháp học máy (machine-learning). Làm việc với các nhà nghiên cứu tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo (CSAIL) của MIT, họ đã phát triển một thuật toán có thể đưa ra dự đoán dựa trên các tập dữ liệu rất nhỏ.

“Chúng tôi đã từng sử dụng các thuật toán của mình cho nhiều ứng dụng thiết kế thí nghiệm tự động trước đây, nhưng chưa bao giờ áp dụng cho một vấn đề sinh học như độ ổn định của vắc-xin,” Mina Konaković Luković, trợ lý giáo sư về kỹ thuật điện và khoa học máy tính tại Phòng thí nghiệm Khoa học Máy tính và Trí tuệ Nhân tạo (CSAIL) của MIT, đồng thời là tác giả của bài báo, cho biết. “Thật ngạc nhiên khi thấy thuật toán hội tụ nhanh như thế nào về một công thức ổn định — đạt được kết quả chỉ trong một vài lần lặp, thay vì phải tìm kiếm vét cạn như thường lệ.”

Các nhà nghiên cứu đã sử dụng thuật toán này để phân tích gần 50 tá dược đã được FDA phê duyệt. Đối với mỗi tá dược, các nhà nghiên cứu trước tiên đo lường mức độ ổn định của RNA khi được kết hợp vào LNP. Họ sử dụng các hạt này để đưa mRNA mã hóa một loại protein gọi là luciferase đom đóm, tạo ra sự phát quang sinh học, vào các tế bào. Bằng cách đo lượng ánh sáng phát ra từ các tế bào, các nhà nghiên cứu có thể xác định mức độ hiệu quả của từng tá dược trong việc bảo vệ mRNA.

Các nhà nghiên cứu đã chọn năm loại tá dược hứa hẹn nhất và sử dụng thuật toán AI của họ để dự đoán tỷ lệ của các tá dược đó nhằm ổn định tốt nhất các LNP tương tự như loại được Moderna sử dụng. Dựa trên những dự đoán đó, các nhà nghiên cứu đã thử nghiệm hai công thức cùng một lúc trong các tế bào, đưa kết quả đó trở lại thuật toán và tạo ra nhiều dự đoán hơn. Sau vài vòng, họ đã chọn một công thức có vẻ đủ hứa hẹn để thử nghiệm trong các nghiên cứu trên động vật.

Quá trình này chỉ mất vài tuần, ít hơn nhiều so với thời gian nếu không có sự hướng dẫn từ thuật toán AI.

“Trước khi triển khai thuật toán AI, chúng tôi đã dành vài tháng để thử nghiệm các kết hợp khác nhau và cũng thực hiện sàng lọc trước tất cả các tá dược mà chúng tôi có thể tìm thấy, nhưng không có gì giúp chúng tôi đạt được độ ổn định 100 phần trăm,” Tran nói.

Phản ứng miễn dịch mạnh mẽ

Để kiểm tra khả năng chịu nhiệt của công thức LNP mới, các nhà nghiên cứu đã sử dụng các hạt này để đóng gói các kháng nguyên mRNA Covid-19, sau đó khử nước chúng bằng quy trình gọi là sấy chân không (vacuum drying). Các hạt này sau đó được bảo quản ở nhiệt độ 37 độ C (98 độ F) trong hai tháng, hoặc ở nhiệt độ phòng trong một năm. Những con chuột được tiêm vắc-xin bằng các hạt này, ngay cả sau khi bảo quản lâu dài, vẫn cho thấy phản ứng miễn dịch tương đương với những con chuột nhận vắc-xin được vận chuyển bởi các LNP tương tự như công thức gốc của Moderna.

Các nhà nghiên cứu cũng sử dụng công thức chịu nhiệt mới của họ để tạo ra các miếng dán vi kim rắn có thể cung cấp kháng nguyên SARS-CoV-2. Những miếng dán này tạo ra phản ứng miễn dịch tương tự như phản ứng do vắc-xin RNA dạng tiêm tạo ra.

“Phương pháp của chúng tôi mở rộng ứng dụng không chỉ cho vắc-xin mRNA, mà còn cho các liệu pháp điều trị hoặc các nền tảng phân phối thuốc tiên tiến như các hạt giải phóng có kiểm soát hoặc miếng dán vi kim, vốn đòi hỏi công thức phải ở trạng thái rắn hoặc ổn định ở nhiệt độ cao hơn,” Tian nói.

Các nhà nghiên cứu cũng cho thấy rằng họ có thể sử dụng thuật toán của mình để ổn định các công thức LNP khác, bao gồm cả loại tương tự như loại được Pfizer sử dụng để cung cấp vắc-xin Covid-19 của họ. Công thức này sử dụng các tá dược giống như công thức mà nhóm MIT đã phát triển cho LNP của Moderna, nhưng với tỷ lệ khác. Đối với mỗi LNP, khi một công thức chịu nhiệt đã được phát triển, nó có thể được điều chỉnh để cung cấp bất kỳ loại tải trọng mRNA nào, các nhà nghiên cứu cho biết.

Nghiên cứu này được tài trợ một phần bởi Quỹ Gates.