信使rna（mrna）疫苗可实现安全高效的免疫，是一种新型癌症免疫疗法，但受到多重递送障碍的限制，如mrna被快速清除、细胞膜和核内体的磷脂双分子层限制其胞内递送、依赖佐剂诱导强烈的免疫反应等。纳米颗粒有望保护mrna免受降解，并通过淋巴管将mrna传递到淋巴结。然而，大多数纳米颗粒经细胞内吞到核内体中，导致mrna降解和编码抗原表达不足。近年来迅速发展的机器学习技术则为高效设计纳米载体提供了便利，利用现有的纳米载体数据库，机器学习可以为高效递送的纳米疫苗智能设计提供见解。
近期，来自中国科学院上海药物研究所与上海交通大学的研究团队合作在《national science review》发表题为“sting agonist-boosted mrna immunization via intelligent design of nanovaccines for enhancing cancer immunotherapy”的研究论文，提出了一种开发高效mrna纳米疫苗的智能设计策略。
利用机器学习技术，基于计算和高通量实验数据的高质量海量数据集进行学习模型的训练、选择和优化，能够指导纳米载体的合理设计、筛选和优化。研究人员将mrna和环鸟苷单磷酸-腺苷单磷酸（cgamp）凝聚成聚合物纳米复合物，并用阴离子脂质包裹纳米复合物，以避免产生严重的细胞毒性，获得了mrna纳米疫苗。实验结果表明，该疫苗促进了mrna和cgamp的淋巴运输和胞质递送，促进了mrna编码抗原呈递，有效激活干扰素基因刺激因子（sting）并增强靶细胞的mrna免疫，提高体内抗肿瘤免疫能力，延长了荷瘤小鼠的存活期。该研究提出的开发高效mrna纳米疫苗的智能设计策略，有望用于sting激活协同的抗癌mrna疫苗。
注：此研究成果摘自《national science review》，文章内容不代表本网站观点和立场，仅供参考。
