为了推动mRNA疗法的发展，开展脂质纳米颗粒的研究尤为重要。然而，脂质纳米颗粒开发的一个关键组成部分是识别新的可电离脂质，这仍然是一个重要瓶颈。近日，麻省理工学院Li Bowen、Daniel G. Anderson报道了一种将机器学习与组合化学相结合的加速方法，以发现用于mRNA递送的有效电离脂质。

本文要点：

1) 从一个简单的四组分反应平台开始，作者创建了一个由584种可电离脂质组成的化学多样性库。作者筛选含有脂质纳米颗粒的mRNA转染能力，并将这些数据作为训练机器学习模型的基础数据集。作者选择性能最好的模型来探测40000种脂质的虚拟库，并对前16种脂质进行合成和实验评估。

2) 作者发现了脂质119-23，它在转染几种组织中的肌肉和免疫细胞方面优于基准脂质。该方法有助于创建和评估多功能可电离脂质库，以发现用于精确mRNA递送的脂质纳米颗粒配方。

参考电竞投注官网 ：

Bowen Li et.al Accelerating ionizable lipid discovery for mRNA delivery using machine learning and combinatorial chemistry Nature Materials 2024

DOI: 10.1038/s41563-024-01867-3

https://doi.org/10.1038/s41563-024-01867-3