Von Lipid-Nanopartikeln getragene mRNA-Impfstoffe müssen bei -20 bis -80 °C gelagert werden, was sie aus Regionen ohne Kühlketteninfrastruktur heraushält. Am Koch Institute des MIT hatte die Gruppe von Ana Jaklenec und Robert Langer bereits polymerstabilisierte LNPs entwickelt, die Hitze vertragen, doch diese veränderten die von Moderna und Pfizer verwendeten, FDA-zugelassenen Formulierungen. Bei dem Versuch, die zugelassenen Formulierungen manuell zu stabilisieren, screeneten sie monatelang Hilfsstoffe – Zucker, Salze, Polymere. „Nichts brachte uns zu 100 Prozent Stabilität“, sagte Postdoc Khanh Tran.
Die Lösung war ein Machine-Learning-Algorithmus, der mit Mina Konaković Luković vom MIT CSAIL entwickelt wurde und für Vorhersagen aus sehr kleinen Datensätzen gebaut ist. Das Team maß, wie gut jeder der fast 50 FDA-zugelassenen Hilfsstoffe die mRNA in LNPs schützte, wählte die fünf vielversprechendsten aus und ließ den Algorithmus stabilisierende Verhältnisse vorhersagen. Sie testeten jeweils zwei Formulierungen in Zellen und speisten die Ergebnisse zurück in das Modell; nach einer Handvoll Iterationen – wenige Wochen statt Monate – hob sich eine Formulierung heraus.
Vakuumgetrocknete Covid-19-mRNA-Impfstoffe in der neuen Formulierung wurden zwei Monate bei 37 °C oder ein Jahr bei Raumtemperatur gelagert, und danach geimpfte Mäuse bildeten Immunantworten, die einem LNP im Moderna-Stil entsprachen. Dieselben fünf Hilfsstoffe in einem anderen Verhältnis stabilisierten ein LNP im Pfizer-Stil, und die Formulierung funktionierte auch in festen Mikronadelpflastern, die ähnliche Immunantworten wie Injektionen hervorriefen. Die Arbeit erschien in Nature Biotechnology und wurde teilweise von der Gates Foundation finanziert.
Eine Active-Learning-Schleife über 50 bereits FDA-zugelassene Hilfsstoffe laufen lassen: Verhältnisse vorhersagen, jeweils zwei in Zellen testen, Ergebnisse zurückspeisen – konvergierte in Wochen.
Die Kühlkette ist der Engpass: Lagerung bei -20 bis -80 °C hält RNA-Impfstoffe von Regionen ohne Gefriergeräte fern.
Die Beschränkung der Suche auf FDA-zugelassene Hilfsstoffe lässt einen regulatorischen Weg offen, statt neue Chemie zu erfordern.
Der Algorithmus ist für kleine Datensätze gebaut und passt zu einem Labor, das nicht Tausende Experimente durchführen kann.
Die Rückkopplungsschleife mit jeweils zwei Tests verkürzte die Suche von monatelangem manuellem Screening auf wenige Wochen.
Wenn Brute-Force-Screening ins Stocken gerät, keine neuen Inhaltsstoffe erfinden – intelligenter über bereits zugelassene suchen. Optimierung mit kleinen Datensätzen verwandelt Monate voller Sackgassen in eine Handvoll gezielter Experimente.
Zum Zeitpunkt der Ankündigung im September 2026 waren die Ergebnisse präklinisch: Immunantworten bei Mäusen und Verabreichung per Mikronadelpflaster, keine Studien am Menschen und keine regulatorische Prüfung. Die Forschenden sagen, jede hitzebeständige Formulierung könne jede mRNA-Nutzlast tragen und so die Anwendung auf Therapeutika, Partikel mit kontrollierter Freisetzung und Mikronadelpflaster ausweiten, die Feststoff- oder hitzestabile Formulierungen erfordern.
DEN BELEGEN FOLGEN
Die Quellen
- New formulation helps RNA vaccines withstand high temperatures MIT News · news.mit.edu ·