Peneliti MIT menggunakan pendekatan machine learning yang hemat data untuk mengarahkan pemilihan bahan penstabil dan penyesuaian komposisi nanopartikel lipid pembawa mRNA. Formulasi eksperimental dilaporkan tetap aktif setelah disimpan hingga setahun pada suhu ruang atau sekitar dua bulan pada 37 °C; pengujian respo...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian

Create a landscape editorial hero image for this Studio Global article: How did MIT researchers use a small data machine learning algorithm to identify FDA approved stabilizing ingredients and optimize their rati. Article summary: MIT researchers used a data efficient machine learning approach to select stabilizing ingredients and tune their proportions around the lipid nanoparticles that carry mRNA, rather than relying on a large trial and error . Topic tags: general web, ai, workflow, productivity, code. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, chart
Peneliti MIT memakai machine learning untuk mengoptimalkan formulasi nanopartikel lipid (LNP), yaitu partikel yang membawa mRNA dalam vaksin. Alih-alih mengandalkan ribuan percobaan coba-coba, algoritme menggunakan kumpulan data eksperimen yang relatif kecil untuk membantu menentukan pilihan formulasi berikutnya, termasuk proporsi bahan penstabil. 10
13
Namun, laporan yang tersedia tidak mencantumkan secara cukup jelas identitas dan rasio pasti bahan yang dipilih. Karena itu, belum bisa dipastikan dari sumber ini bahan mana yang digunakan atau apakah semuanya merupakan bahan penstabil yang disetujui FDA.
Formulasi eksperimental dilaporkan tetap stabil hingga satu tahun pada suhu ruang dan sekitar dua bulan pada 37 °C. Dalam pengujian pada tikus, vaksin yang telah disimpan tetap memicu respons imun yang sebanding dengan vaksin mRNA pembanding yang masih segar. Ini merupakan hasil pada hewan, bukan bukti bahwa vaksin tersebut memiliki kinerja yang sama pada manusia. 10
13
14
Para peneliti juga melaporkan bahwa formulasi itu dapat digunakan dalam patch mikroneedle—patch dengan jarum-jarum sangat kecil untuk menghantarkan vaksin melalui kulit. Pendekatan ini disebut berpotensi diterapkan pada berbagai formulasi vaksin dan muatan mRNA, tetapi bukti yang tersedia belum cukup untuk memastikan hasilnya pada setiap kombinasi. 10
14
Banyak vaksin mRNA memerlukan penyimpanan dingin agar tetap terjaga kualitasnya. Jika temuan ini kelak terbukti pada produk yang disetujui untuk digunakan, formulasi yang lebih tahan suhu dapat mengurangi ketergantungan pada rantai dingin—sistem penyimpanan dan distribusi bersuhu terkendali—serta mempermudah penyaluran vaksin di tempat dengan fasilitas pendingin terbatas. Untuk saat ini, manfaat tersebut masih berupa potensi: keamanan dan efektivitas pada manusia serta masa simpan nyata produk akhir belum ditetapkan. 10
14
Studio Global AI
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Peneliti MIT menggunakan pendekatan machine learning yang hemat data untuk mengarahkan pemilihan bahan penstabil dan penyesuaian komposisi nanopartikel lipid pembawa mRNA.
Peneliti MIT menggunakan pendekatan machine learning yang hemat data untuk mengarahkan pemilihan bahan penstabil dan penyesuaian komposisi nanopartikel lipid pembawa mRNA. Formulasi eksperimental dilaporkan tetap aktif setelah disimpan hingga setahun pada suhu ruang atau sekitar dua bulan pada 37 °C; pengujian respons imun dilakukan pada tikus.
Formulasi tersebut juga dilaporkan dapat digunakan pada patch mikroneedle, tetapi hasil untuk beragam vaksin dan muatan mRNA belum dapat dipastikan satu per satu dari bukti yang tersedia.