本文综述了科学根据X编辑过程政策编辑器强调了以下属性同时确保内容的可信度:

核查事实的

同行评议的出版物

校对

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

新的人工智能算法提高COVID-19 mRNA疫苗的抗体反应128倍的
“野生型”RNA序列包含大量的未配对核苷酸循环,导致不稳定。LinearDesign算法生成序列与显著减少循环,一个更稳定的结构。来源:百度研究

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,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。

新的人工智能算法提高COVID-19 mRNA疫苗的抗体反应128倍的
信使rna的组合性质,设计由于密码子简并性(~ 10632信使rna序列的蛋白质;~ 10.616万亿年枚举)。粉色和蓝色路径代表野生型和最佳稳定(即。分别,最低能量)序列。b,这两个序列之间的截然不同的二级结构,前者是主要的单链(红圈地区容易退化),而后者主要是双链。我们对这种优化算法只需要11分钟。c,语言学之间的类比(左)和生物学(右),在确定性有限状态自动机(DFA)和晶格解析前适应解决mRNA的设计。信使rna DFA(灵感来自“点阵”)简洁编码所有mRNA候选人,同时折叠的晶格解析找到最佳的信使rna(图2)。d, 2 d可视化mRNA的设计空间,与稳定的轴和密码子最优轴。标准的mRNA密码子优化设计方法提高了密码子使用(粉色箭头),但无法探索广阔的高地区的虚线(左),即以BioNTech-Pfizer COVID-19疫苗产品(○)现代化(☆),CureVac (▷)。相比之下,LinearDesign共同优化稳定和密码子最优(蓝色曲线,λ是后者的重量)。通过考虑其他因素,我们选择七为COVID-19疫苗实验设计(4所示)(图4),这显示大幅增强的半衰期和蛋白表达,和128抗体反应codon-optimized基线(H)。实验在水痘一带状疱疹病毒(带状疱疹)mRNA疫苗(在不同的抗原,和不同utr)显示类似的改进(图5),确认LinearDesign的普遍性。 Credit: Baidu Research

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10632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,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。

新的人工智能算法提高COVID-19 mRNA疫苗的抗体反应128倍的
总结化学稳定性,蛋白表达我们的信使rna设计(g)和他们的免疫原性anti-Spike诱导的免疫球蛋白g相比codon-optimized基线(H)。b, Non-denaturing琼脂糖凝胶特性的mRNA显示凝胶迁移率的相关性最小自由能;凝胶源数据,请参阅补充图1。c,化学稳定性的mrna在孵化缓冲区(Mg2 + = 10毫米)37°c。完整的mRNA显示百分比。数据从三个独立的实验。d,蛋白表达水平的信使rna转染后48小时由流式细胞术成hek - 293细胞。平均荧光强度(MFI)值由三个独立的实验。克鲁斯卡尔-沃利斯方差分析(方差分析)和邓恩的多个比较测试H组进行统计分析。eg, C57BL / 6小鼠(n = 6)免疫贝聿铭和两个剂量的制定mRNA在间隔2周。端点的效价anti-Spike免疫球蛋白水平(e)。中和对广式Abs SARS-CoV-2频率(f)。IFN-γ-secreting T细胞有关酶联免疫斑点(g)衡量。小动物——一张长有Mann-Whitney U测试是用于统计分析。 *p < 0.05, **p < 0.01, ***p < 0.001. Data are presented as mean ± s.d. (c, d), geometric mean ± geometric s.d. (e, f) or mean ± s.e.m. (g). See Source Data for details.. Credit: Baidu Research

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。

更多信息:他张et al,算法优化mRNA设计提高了稳定性和免疫原性,自然(2023)。DOI: 10.1038 / s41586 - 023 - 06127 - z

期刊信息: 自然

百度提供的研究
引用:新的人工智能算法可以提高COVID-19信使核糖核酸疫苗的抗体反应128倍的检索(2023年5月2日)2023年5月2日从//www.pyrotek-europe.com/news/2023-05-ai-algorithm-boost-covid-mrna.html
本文档版权。除了任何公平交易私人学习或研究的目的,没有书面许可,不得部分复制。内容只提供信息的目的。

进一步探索

预测信使rna降解提高疫苗的稳定性

股票

反馈给编辑