AI zaprojektowało syntetyczne nośniki RNA. Są nawet tysiące razy skuteczniejsze

Sztuczna inteligencja pomogła zaprojektować zupełnie nową klasę nośników RNA, których struktury nie występują w naturze. Naukowcy stworzyli ponad 100 Synthetic Transfer Vehicles, a najlepszy z nich – STV-C8 – w testach komórkowych transportował RNA o kilka rzędów wielkości skuteczniej niż porównywane naturalne systemy oraz stosowane obecnie nanocząstki lipidowe.

To nie jest jeszcze technologia gotowa do leczenia ludzi, ale badacze wykonali już znacznie więcej niż prosty eksperyment laboratoryjny. Nośniki przenosiły różne rodzaje RNA, działały w wielu modelach komórkowych, zostały przetestowane u myszy, a jeden z nich dostarczył elementy systemu CRISPR/Cas9 do mięśnia świni, gdzie udało się zmodyfikować gen związany z dystrofią mięśniową Duchenne’a.

AI pozwoliła stworzyć białkowe struktury, których ewolucja nigdy nie zbudowała

Punktem wyjścia było bardzo ciekawe pytanie: skoro wirusy przez miliardy lat ewolucji stały się niezwykle sprawnymi transporterami materiału genetycznego, czy naprawdę ich budowa jest najlepszym możliwym rozwiązaniem do zastosowań medycznych? Naturalne wirusy musiały przetrwać presję ewolucyjną, funkcjonować poza organizmem, infekować odpowiednie komórki i skutecznie przenosić własny genom, dlatego ich kapsydy przyjęły określone, stosunkowo powtarzalne kształty. W laboratorium część tych cech może być jednak całkowicie niepotrzebna.

Tutaj pojawia się generatywna sztuczna inteligencja. Modele takie jak RFdiffusion pozwalają projektować białka i zespoły białkowe o kształtach, których nie znajdziemy w znanych organizmach. Badacze wykorzystali takie syntetyczne struktury jako szkielety, a następnie połączyli je z naturalnymi domenami białkowymi odpowiadającymi m.in. za wiązanie RNA, kontakt z błoną komórkową i uwalnianie powstającego nośnika z komórki.

W ten sposób powstały Synthetic Transfer Vehicles – STV, czyli syntetyczne pojazdy transportowe dla RNA. Nie są one sztucznymi wirusami w klasycznym znaczeniu, lecz zaprojektowanymi od podstaw układami białkowymi wykorzystującymi część mechanizmów znanych z biologii wirusów. Najważniejsza różnica polega na tym, że ich architektury nie muszą powielać rozwiązań wybranych przez ewolucję.

Może Cię zainteresować: Geny a osobowość. Naukowcy znaleźli aż 1260 wariantów genetycznych

Naukowcy przetestowali ponad 100 różnych „pojazdów” RNA

Zespół nie zaprojektował jednego nośnika i nie próbował później dopracowywać wyłącznie jego parametrów. Przygotowano szeroką bibliotekę konstrukcji różniących się między innymi geometrią, symetrią oraz sposobem łączenia białkowych elementów, a następnie stworzono system pozwalający równolegle sprawdzać, jak skutecznie poszczególne warianty są uwalniane z komórek, wnikają do nowych komórek i dostarczają znajdujące się wewnątrz RNA. Łącznie przeanalizowano ponad 100 różnych konstrukcji.

Szczególnie ciekawy okazał się fakt, że klasyczna wirusowa geometria nie była najlepszym rozwiązaniem. Nośniki wykorzystujące nietypowe symetrie cykliczne i dihedralne często radziły sobie lepiej od konstrukcji przypominających bardziej typowe kapsydy dwudziestościenne. Największą skutecznością wyróżnił się wariant nazwany STV-C8, oparty na niezwykłej płaskiej, cyklicznej architekturze.

To jeden z najbardziej interesujących wyników całej pracy, ponieważ pokazuje potencjalną przewagę projektowania białek za pomocą AI. Algorytm nie musi ograniczać się do form, które już znamy z przyrody, dlatego może eksplorować znacznie większą przestrzeń możliwych struktur. W tym przypadku właśnie rozwiązanie mocno odbiegające od typowego wirusowego kapsydu okazało się najbardziej efektywnym transporterem RNA.

STV-C8 transportował RNA o kilka rzędów wielkości skuteczniej

Najmocniejszym wynikiem nie jest jednak sam fakt stworzenia nowych struktur, lecz ich wydajność. STV-C8 porównano z naturalnymi nośnikami RNA oraz rozwiązaniami chemicznymi, w tym z nanocząstkami lipidowymi, czyli LNP. To właśnie lipidowe nośniki są dziś jedną z najważniejszych technologii umożliwiających dostarczanie RNA do komórek i zostały wykorzystane między innymi w szczepionkach mRNA.

W testowanych warunkach STV-C8 potrzebował znacznie mniejszej ilości RNA, aby uzyskać określony poziom ekspresji w komórkach. Autorzy opisują przewagę jako sięgającą kilku rzędów wielkości w stosunku do porównywanych systemów biologicznych i chemicznych. Oznacza to różnicę nie o kilka czy kilkadziesiąt procent, lecz potencjalnie wielokrotną w skali logarytmicznej. Należy jednak podkreślić, że wyniki dotyczą konkretnych eksperymentów laboratoryjnych i nie oznaczają jeszcze, że STV-C8 będzie w każdej sytuacji lepszy od LNP stosowanych klinicznie.

Badacze pokazali również ponad 10 000-krotne wzbogacenie docelowego RNA w uwalnianych cząstkach STV-C8 w porównaniu z konstrukcją kontrolną pozbawioną domeny odpowiedzialnej za wiązanie z błoną. To potwierdza, że skuteczność systemu wynika z całej zaprojektowanej architektury, a nie tylko z obecności pojedynczego białka transportowego.

Jeden nośnik może transportować CRISPR, antywirusowe RNA i inne „ładunki”

Uniwersalność jest równie ważna jak wydajność, ponieważ technologia RNA obejmuje znacznie więcej niż klasyczne mRNA kodujące jedno białko. Naukowcy wykorzystali STV-C8 do przenoszenia różnych rodzajów RNA, w tym reporterowego mRNA pozwalającego łatwo mierzyć skuteczność transportu, czynników transkrypcyjnych oraz komponentów systemów edycji genów.

Wśród testowanych ładunków znalazły się również programowalne systemy przeciwwirusowe oraz RNA związane z narzędziami edycji genetycznej. To pokazuje, że STV nie jest konstrukcją przygotowaną wyłącznie do jednego eksperymentu, lecz potencjalną platformą, której zawartość można zmieniać w zależności od zastosowania. Badacze testowali ją w wielu liniach komórkowych pochodzących od ludzi, myszy i innych gatunków.

Jeszcze ciekawsza jest możliwość kontrolowania tropizmu, czyli wyboru komórek, do których transporter ma trafiać. Do powierzchni STV można dołączać komputerowo zaprojektowane peptydy wiążące się z określonymi receptorami. W przyszłości mogłoby to umożliwiać przygotowywanie nośników dostarczających RNA przede wszystkim do wybranej tkanki lub konkretnego typu komórek, zamiast rozprowadzać ładunek po całym organizmie.

To kluczowy problem współczesnych terapii RNA: nie wystarczy dostarczyć cząsteczki do organizmu – trzeba jeszcze doprowadzić je dokładnie tam, gdzie mają zadziałać.

AI zaprojektowało strukturę, która działa również w żywym organizmie

Dobre wyniki uzyskane na komórkach nie wystarczają do stwierdzenia, że nowa technologia ma potencjał terapeutyczny, dlatego STV-C8 został przetestowany również w modelach zwierzęcych. Po dożylnym podaniu myszom nośnik dostarczający reporterowe RNA wywoływał jego ekspresję przede wszystkim w płucach, a zaawansowane obrazowanie całego organizmu pozwoliło przeanalizować rozmieszczenie sygnału niemal na poziomie pojedynczych komórek.

To interesujące również w porównaniu z nanocząstkami lipidowymi, ponieważ wiele obecnie stosowanych systemów LNP ma naturalną tendencję do kumulowania się w wątrobie. STV-C8 zachowywał się inaczej i w tym konkretnym eksperymencie wyraźnie preferował płuca. Nie oznacza to jeszcze, że można dowolnie wybierać dowolny organ, ale pokazuje, że syntetyczne nośniki mogą mieć zupełnie inną dystrybucję niż klasyczne rozwiązania.

W przeprowadzonych badaniach na zwierzętach nie wykryto również oznak istotnej odpowiedzi immunologicznej ani toksyczności związanej z podaniem badanego systemu. To ważny pierwszy sygnał dotyczący bezpieczeństwa, ale zdecydowanie nie jest równoznaczny z potwierdzeniem bezpieczeństwa u ludzi. Zanim technologia mogłaby wejść do badań klinicznych, konieczne będą znacznie szersze testy dotyczące dawkowania, długoterminowych konsekwencji, odpowiedzi immunologicznej i zachowania nośników w różnych tkankach.

Syntetyczny transporter dostarczył CRISPR do mięśnia świni

Najbardziej praktycznym testem było wykorzystanie STV-C8 w eksperymencie związanym z dystrofią mięśniową Duchenne’a (DMD), ciężką chorobą genetyczną prowadzącą do postępującego osłabienia mięśni. Jedna ze strategii eksperymentalnego leczenia polega na wykorzystaniu edycji genów do usunięcia określonego fragmentu genu dystrofiny i przywrócenia prawidłowej ramki odczytu.

Naukowcy załadowali do STV-C8 elementy systemu CRISPR/Cas9, a następnie wykorzystali nośnik w komórkach mięśniowych pochodzących od pacjentów z DMD. Udało się usunąć egzon 51 i przywrócić prawidłową ramkę odczytu genu. Kolejnym etapem było podanie transportera do mięśnia świni, gdzie również uzyskano odpowiednią edycję DNA.

To ważny dowód, że system może dostarczać nie tylko proste reporterowe RNA, lecz także funkcjonalny ładunek potrzebny do wykonania konkretnej modyfikacji genetycznej w dużym modelu zwierzęcym. Jednocześnie sami autorzy podkreślają ograniczenie eksperymentu: lokalne wstrzyknięcie do mięśnia nie jest jeszcze praktycznym sposobem leczenia ogólnoustrojowej dystrofii Duchenne’a. Do potencjalnej terapii potrzebny byłby system zdolny bezpiecznie docierać do dużej części mięśni w całym organizmie.

Generatywna AI zaczyna projektować nie tylko białka, ale całe funkcjonalne systemy

Najbardziej interesująca część tego badania wykracza poza sam transport RNA. Generatywne modele projektowania białek są już wykorzystywane do tworzenia nowych struktur, enzymów, binderów czy nanomateriałów, jednak tutaj zaprojektowane przez AI białka stały się elementem większego systemu wykonującego konkretną biologiczną funkcję – pakowanie, transport i dostarczenie RNA do komórki.

Warto przy tym precyzyjnie rozumieć rolę sztucznej inteligencji. AI nie otrzymała polecenia „stwórz terapię RNA” i nie zaprojektowała całego eksperymentu samodzielnie. Modele generatywne zostały wykorzystane do stworzenia syntetycznych struktur białkowych, które naukowcy następnie połączyli z biologicznymi domenami o znanych funkcjach, przetestowali i zoptymalizowali w laboratorium.

Mimo tego jest to jakościowo ważna zmiana. Dotychczas biotechnologia bardzo często zaczynała od czegoś, co już istnieje w przyrodzie, a następnie próbowała to zmodyfikować. AI pozwala rozpocząć od pustej kartki i zaprojektować struktury znajdujące się poza naturalną przestrzenią ewolucyjną.

Jeżeli takie podejście będzie działało również dla kolejnych klas biologicznych maszyn, generatywna AI może stać się jednym z podstawowych narzędzi inżynierii biologicznej – nie tylko analizując istniejące życie, ale pomagając projektować zupełnie nowe molekularne rozwiązania.

Do zastosowania u ludzi droga jest jeszcze długa

Wyniki wyglądają bardzo mocno, ale STV-C8 pozostaje eksperymentalną platformą badawczą. Skuteczność w hodowlach komórkowych i pierwszych modelach zwierzęcych to dopiero początek procesu, który w przypadku terapii medycznych może trwać wiele lat. Szczególnie ważna będzie możliwość precyzyjnego kontrolowania miejsca działania nośników, ponieważ inne rozmieszczenie RNA w organizmie może być zaletą w jednej terapii i poważnym problemem w innej.

Trzeba również dokładniej zbadać odpowiedź immunologiczną na syntetyczne białka, możliwość wielokrotnego podawania preparatu, trwałość transporterów, ich metabolizm i bezpieczeństwo przy dawkach potrzebnych do osiągnięcia efektu terapeutycznego. Pierwsze eksperymenty nie wykazały istotnej toksyczności, ale próby na ograniczonej liczbie zwierząt nie mogą zastąpić rozbudowanych badań przedklinicznych i klinicznych.

Zespół chce teraz rozwijać platformę tak, aby STV można było skuteczniej kierować do określonych typów komórek. Badacze planują również komercjalizację technologii poprzez stworzenie firmy spin-off, co sugeruje, że projekt nie ma zakończyć się na publikacji naukowej.

Największą niewiadomą pozostaje więc nie to, czy syntetyczne transportery potrafią działać – to zostało już pokazane – lecz czy uda się przekształcić je w system wystarczająco precyzyjny, powtarzalny i bezpieczny do zastosowania u człowieka.

Podsumowanie

Badanie opublikowane 2 września w „Nature” pokazuje jedno z najbardziej praktycznych zastosowań generatywnej AI w biologii. Naukowcy wykorzystali zaprojektowane komputerowo struktury białkowe do stworzenia ponad 100 syntetycznych pojazdów transportujących RNA, a najbardziej skuteczny wariant STV-C8 przewyższył w warunkach laboratoryjnych porównywane naturalne nośniki oraz nanocząstki lipidowe o kilka rzędów wielkości.

System potrafi przenosić różne rodzaje RNA, jego tropizm można programować, działał w modelu myszy i umożliwił dostarczenie elementów CRISPR/Cas9 podczas eksperymentów związanych z dystrofią mięśniową Duchenne’a w komórkach pacjentów oraz w mięśniu świni. To wciąż bardzo daleko od gotowej terapii, ale dowód działania jest wyjątkowo szeroki jak na pierwszą publikację dotyczącą nowej platformy.

Najważniejszy wniosek może jednak dotyczyć samego sposobu projektowania biologii. Zamiast ograniczać się do modyfikowania wirusów i innych struktur stworzonych przez ewolucję, naukowcy mogą wykorzystać generatywną AI do eksplorowania białkowych konstrukcji, których natura nigdy wcześniej nie stworzyła – a niektóre z nich mogą okazać się skuteczniejsze właśnie dlatego, że nie musiały przechodzić przez miliardy lat biologicznych kompromisów.

Źródło: „Nature” – Creating bottom-up RNA transfer vehicles from synthetic protein assemblies, 2 września 2026 roku. Opracowanie własne.

Dziękujemy za przeczytanie artykułu na Techoteka.pl.
Publikujemy codziennie informacje o sztucznej inteligencji, nowych technologiach, IT oraz rozwoju agentów AI.
Obserwuj nas na Facebooku, aby nie przegapić kolejnych artykułów.