MIT用小数据AI闭环让mRNA疫苗在室温下存活一年

由脂质纳米颗粒（LNP）递送的mRNA疫苗必须储存在-20至-80°C，这使它们无法进入缺乏冷链基础设施的地区。在MIT的科赫研究所，Ana Jaklenec和Robert Langer的团队此前已构建出耐热的聚合物稳定化LNP，但这些改变了Moderna和Pfizer所使用的FDA批准配方。为了稳定已批准的配方，他们手工筛选辅料——糖类、盐类、聚合物——长达数月。博士后Khanh Tran说：“没有什么能让我们达到100%的稳定性。”

解决办法是一种与MIT CSAIL的Mina Konaković Luković共同开发的机器学习算法，专为从极小数据集进行预测而构建。团队测量了近50种FDA批准的辅料各自在LNP内部保护mRNA的效果，选出最有前景的五种，再让算法预测稳定化配比。他们每次在细胞中测试两种配方，并将结果反馈给模型；经过少数几轮迭代——几周而非数月——一种配方脱颖而出。

采用新配方的真空干燥Covid-19 mRNA疫苗在37°C下储存两个月，或在室温下储存一年，之后接种的小鼠产生了与Moderna式LNP相当的免疫应答。同样的五种辅料以不同比例稳定了一种Pfizer式LNP，该配方在固体微针贴片中也有效，产生的免疫应答与注射相似。该研究发表于Nature Biotechnology，部分由盖茨基金会资助。

在50种已获FDA批准的辅料上运行主动学习闭环：预测配比，每次在细胞中测试两种，反馈结果——数周内收敛。

冷链是瓶颈：-20至-80°C的储存条件使RNA疫苗无法进入没有冷冻设备的地区。

将搜索范围限制在FDA批准的辅料内，留下了一条监管路径，而无需新的化学物质。

该算法专为小数据集构建，契合无法运行数千次实验的实验室。

每次两种的反馈闭环将搜索从数月的人工筛选缩短到数周。

当暴力筛选停滞时，不要发明新成分——在已批准的成分中更聪明地搜索。小数据优化将数月的死胡同变成少数几次有针对性的实验。

截至2026年9月的公告，结果仍属临床前：小鼠免疫应答和微针贴片递送，而非人体试验或监管审评。研究人员表示，每种耐热配方可搭载任何mRNA载荷，从而将用途扩展到治疗药物、控释颗粒以及需要固态或热稳定配方的微针贴片。