Создана прогностическая модель для сохранения стабильности мРНК-вакцин

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.

Материалы по теме:

Обнаружен новый опасный штамм коронавируса «йота».Он распространился по всему миру и обладает самой высокой смертностью

11 августа 2021

Мутация неизбежна.Вариантов коронавируса все больше. К чему приведет его дальнейшая эволюция?

24 августа 2021

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.