新的人工智能算法可以有效地提高COVID-19 mRNA疫苗的抗体反应128倍的

从百度的一组研究人员研究开发了一种人工智能算法,可以快速设计高度稳定的疫苗COVID-19信使rna序列,以前高不可攀。算法,名叫LinearDesign,代表一个重大飞跃在两种疫苗序列的稳定性和有效性,实现128倍增加COVID-19疫苗的抗体反应。

“这项研究可以将信使rna药物编码应用到更广泛的治疗性蛋白质,如单克隆抗体和抗癌药物,承诺广泛应用和深远的影响,”博士说他张,百度员工软件工程师的研究。

通过与俄勒冈州立大学合作,StemiRNA疗法,罗切斯特大学医学中心,研究“算法优化的mRNA设计提高了稳定和免疫原性”出现在《华尔街日报》自然。

本文揭示了如何解决一个复杂的生物学问题通过一个经典的方法自然语言处理(NLP),使用一个优雅简单的解决方案,用来理解单词和语法。

信使RNA或信使RNA,疫苗已成为一个革命性的技术发展和潜在的治疗对癌症和其他疾病。作为一个至关重要的信使,携带遗传指令从DNA到细胞的蛋白质合成器,信使rna就可以创建特定的蛋白质在人体各种功能。与众多优点在安全、功效和生产,信使rna已经迅速采用COVID-19疫苗开发的过程。

然而,信使rna的自然不稳定导致蛋白表达不足,削弱了疫苗刺激强烈的免疫反应的能力。这种不稳定性也给存储和传输带来了挑战mRNA疫苗,特别是在发展中国家的资源往往是有限的。

先前的研究已经表明,优化信使rna二级结构的稳定性,当结合最优密码子,导致改善蛋白表达。挑战在于mRNA设计空间,这是令人难以置信的巨大的同义密码子。例如,大约有10^632年mrna,可以翻译成SARS-CoV-2突起蛋白相同,呈现方法之前不可逾越的挑战。

尽管NLP和生物学可能乍一看似乎不相关的,这两个领域分享很强的数学关系。在人类的语言,一个句子由单词序列和一个潜在的句法树与名词和动词短语,传达意义。同样,RNA链的核苷酸序列和一个相关的二级结构根据其折叠模式。

研究人员使用技术语言处理称为晶格解析,代表潜在的词连接在一个点阵图并选择最合理的选择基于语法。同样,他们创建了一个简洁的图形代表所有mRNA候选人,使用确定性有限状态自动机(DFA)。晶格解析应用到mRNA,找到最佳的mRNA类似于确定最可能的句子中一系列像模像样的替代品。

使用这种方法,LinearDesign仅11分钟生成最稳定的信使rna序列编码蛋白质。

设计的详细比较,序列LinearDesign序列表现出明显改善的结果相比,现有的疫苗。COVID-19 mRNA疫苗序列,该算法实现了稳定增加5倍(mRNA半衰期),增加三倍的蛋白质表达水平(在48小时内),和一个令人难以置信的128倍增加抗体反应。对于带状疱疹疫苗信使rna序列,研究报道稳定到6倍增长(mRNA分子半衰期),增加了5.3倍(48小时)蛋白表达水平,增加抗体反应和一个8倍。

“疫苗设计通过我们的方法具有相同剂量可能提供更好的保护,并有可能为平等保护提供一个更小的剂量,从而减少副作用。这将大大减少生物制药公司的疫苗研究和开发成本,同时改善结果,”Zhang博士补充说。2021年,百度和赛诺菲开始合作将LinearDesign算法集成到赛诺菲的产品设计管道mRNA疫苗和药物的开发。

百度已经创建了一个名为PaddleHelix的基于PaddlePaddle bio-computing平台,包括ERNIE-Bio-Computing大模型。这个平台探索人工智能的应用在各个领域,如小分子、蛋白质/肽和RNA,提供一种新型人工智能在生命科学的研究范式。百度的厄尼大模型开发了一个综合模型技术系统,覆盖NLP,视野,跨通道,bio-computing。最近公布了欧尼机器人,丰富知识大语言模型(LLM)能够理解人类语言和生成,是家庭厄尼大模型的一部分。

前进,百度将继续探索人工智能应用于生命科学、拓宽包容的范围和深度技术,倡导全人类的健康和福祉。