研究人员在华盛顿大学开发出一种人工智能驱动的自动化平台，该平台能以前所未有的速度加速新型mRNA递送材料的发现。这项发表在《自然·纳米技术》期刊上的研究，展示了如何利用机器学习算法快速识别最适合脂质纳米颗粒（LNPs）的分子组合，这些纳米颗粒是当前mRNA疫苗（如新冠疫苗）的核心递送系统。
传统研发方法需要科学家手动测试数百种化学配方，耗时长达数月。而新平台通过整合高通量实验与强化学习模型，将筛选过程压缩至数天。系统首先在微型反应器中合成候选材料，随后用AI实时分析细胞摄取效率数据，自动优化后续实验参数。项目负责人马可·福斯卡托（Marco Foscato）副教授指出："我们的闭环系统能自主探索化学空间，发现人类未曾设想的分子结构。"
该技术已成功应用于优化针对肺部疾病的mRNA递送载体。实验表明，新开发的脂质配方将mRNA在肺组织中的表达效率提升3倍，同时降低75%的炎症反应。这种精准递送能力对囊性纤维化等遗传病治疗至关重要。研究团队与美国国立卫生研究院（NIH）合作，正将该平台扩展至癌症免疫疗法领域。
平台核心创新在于其自适应学习机制：每当实验产生新数据，AI模型立即更新预测策略，避免重复低效测试。目前开源代码已部署在华盛顿大学生物工程实验室，全球47个研究机构正在测试该系统。资深作者德里克·布兰奇菲尔德（Derek Branchfield）教授强调："这不仅是工具革新，更建立了材料科学与人工智能融合的新范式，未来可能重塑整个核酸药物研发流程。"
【全文结束】
