Создана прогностическая модель для сохранения стабильности мРНК-вакцин
Фото: Mufid Majnun / Unsplash
Ученые из Техасского и Стэнфордского университетов создали прогностическую модель для сохранения стабильности мРНК-вакцин. Результаты работы опубликованы в журнале Briefings in Bioinformatics.
Подход для профилактики заболеваний на базе мРНК-вакцин набирает все большую популярность по всему миру. Особенную известность в обществе платформа получила во время пандемии коронавирусной инфекции, поскольку многие прививки против COVID-19 были основаны именно на этой технологии. Однако главный недостаток мРНК-вакцин — в термической нестабильности, в результате чего происходит химическое разложение препарата, что создает дополнительные сложности по доставке прививки в отдаленные регионы планеты.
Новая модель RNAdegformer основана на глубоком обучении (deep learning) искусственного интеллекта, который самостоятельно извлекает необходимые данные и использует их для прогнозирования устойчивости вакцины на уровне нуклеотидов. Алгоритм обрабатывает последовательности РНК с помощью двух самых популярных методов глубокого обучения, задействуя при этом биофизические особенности вторичной структуры РНК и вероятности деградации оснований.
В экспериментах RNAdegformer показал большую эффективность, чем предыдущие самые лучшие методы прогнозирования, такие как модели Degscore, алгоритмы свертывания РНК и другие модели машинного обучения. Авторы считают, что их работа может быть руководством для крупнейших производителей мРНК-вакцин.
