AI 기반 데이터 효율적 최적화로 열안정성 mRNA-LNP 백신 개발 가속화

mRNA-지질나노입자(LNP) 백신은 콜드체인 의존도가 높아 저장·유통 단계에서 안정성 저하가 문제로 지적되어 왔다. 이번 연구는 이러한 한계를 극복하기 위해 데이터 효율적인 AI 기법인 베이즈 최적화를 활용해 열안정성이 개선된 mRNA-LNP 백신 조성을 탐색했다. 연구진은 AutODEx라는 실험 설계 플랫폼을 통해 최적화 알고리즘을 구현했으며, 관련 코드는 GitHub 저장소(AutoOED)에 공개했다. SARS-CoV-2 RBD 서열을 항원으로 사용했으며, 해당 서열은 GenBank에 등록되어 있다. 실험에서 생성된 데이터셋은 Zenodo 공개 저장소를 통해 접근할 수 있으며, 추가 자료는 교신저자 요청 시 제공된다. 다만 제공된 본문은 데이터·코드 가용성 및 참고문헌 목록 위주로 구성되어 있어, 구체적인 실험 결과나 정량적 성능 지표는 확인되지 않는다. 향후 발표될 논문 본문을 통해 최적화된 제형의 구체적 안정성 개선 정도와 검증 결과가 제시될 것으로 보인다.

베이즈 최적화 기반 AI 플랫폼 AutODEx로 열안정성 mRNA-LNP 백신 조성 탐색
항원으로 SARS-CoV-2 RBD 서열 사용, GenBank에 등록(OP839194)
실험 데이터셋은 Zenodo 공개 저장소에서 접근 가능
최적화 코드는 GitHub(AutoOED) 저장소에 공개

BioPulse 해설

원문에 없는 배경 설명입니다 · AI 작성 · 기사의 사실관계가 아닙니다

mRNA: 단백질 합성 정보를 담은 유전물질로, 체내에서 특정 항원 단백질을 만들도록 지시하는 데 활용된다
지질나노입자(LNP): mRNA와 같은 불안정한 물질을 감싸 세포 안까지 안정적으로 전달하는 지질 기반 미세 운반체
열안정성: 의약품이 냉장·냉동 없이도 일정 기간 물리화학적 특성을 유지하는 성질
콜드체인: 제조부터 접종까지 저온 상태를 계속 유지해야 품질이 보장되는 유통·보관 체계

mRNA 백신은 항원 유전정보를 지질나노입자에 담아 전달하는 방식으로, 안정성이 낮아 저온 유통에 크게 의존해 왔다. 이 때문에 냉장 인프라가 부족한 지역에서는 보급이 제한되는 문제가 반복적으로 지적돼 왔으며, 제형 최적화를 통한 열안정성 개선이 업계의 오랜 과제로 다뤄진다. 최근에는 다양한 지질·부형제 조합을 실험 없이도 예측하는 계산 기반 접근이 신약·백신 개발 초기 단계에 점차 도입되는 추세다.

Why it matters제형 안정성 개선은 백신의 저장·유통 범위를 넓혀 접근성을 높일 수 있는 요소로, 모달리티 기술 발전의 핵심 축 중 하나로 다뤄진다.

원문을 확인하세요

BioPulse는 원문을 저장하거나 전재하지 않습니다. 위 글은 공개된 보도를 요약한 것이며, 수치·일정·인용은 요약 과정에서 빠지거나 달라질 수 있습니다. 판단이 필요한 사안은 반드시 원문에서 확인하세요.

Nature Biotechnology 원문 보기

원문 보도의 저작권은 Nature Biotechnology에 있습니다.