Изображение: Nature Machine Intelligence (2024) / phys.org
Ученые Принстонского университета использовали искусственный интеллект для анализа генома и улучшения эффективности РНК-вакцин. Результаты исследования опубликованы в журнале Nature Machine Intelligence.
Языковая модель UTR-LM была обучена на выборке, включающей в себя несколько сотен тысяч 5'-нетранслируемых областей РНК (5′- UTR). 5′-UTR представляет собой некодирующую последовательность, находящуюся на переднем конце матричной РНК (мРНК), и играет ключевую роль в регуляции процесса трансляции, при котором кодирующая часть мРНК используется для синтеза аминокислотной последовательности белка.
С помощью UTR-LM ученым удалось разработать библиотеку из 211 новых 5'-UTR, для которых прогнозируются высокие значения эффективности трансляции. Эти последовательности были сконструированы и протестированы в лаборатории, в результате чего оказалось, что некоторые из 5'-UTR увеличивают производство белка на 32,5 процента по сравнению с теми 5'-UTR, что уже используются для терапевтических целей.
В мРНК-вакцинах для создания иммунного ответа используются молекулы мРНК, которые доставляются в иммунные клетки и служат для синтеза чужеродного белка (антигена), аналогичного вирусному белку или белку раковой клетки. Эти молекулы стимулируют адаптивный иммунный ответ, в результате чего организм учится распознавать и реагировать на антиген. В случае вакцины против SARS-CoV-2 мРНК кодируют шиповый S-белок, который позволяет вирусу проникать внутрь клеток.
Комментарии (0)