ಎಂಐಟಿ ಎಂಜಿನಿಯರ್‌ಗಳು ಶಾಖ-ನಿರೋಧಕ ಆರ್‌ಎನ್‌ಎ ಲಸಿಕೆಗಳನ್ನು ರಚಿಸಲು ಕೃತಕ ಬುದ್ಧಿಮತ್ತೆಯನ್ನು ಬಳಸುತ್ತಾರೆ

ಎಂಐಟಿ ಎಂಜಿನಿಯರ್‌ಗಳು ಆರ್‌ಎನ್‌ಎ ಲಸಿಕೆಗಳನ್ನು ವಿತರಿಸಲು ಬಳಸುವ ಲಿಪಿಡ್ ನ್ಯಾನೊಪರ್ಟಿಕಲ್‌ಗಳನ್ನು ಸ್ಥಿರಗೊಳಿಸಲು ಒಂದು ಮಾರ್ಗವನ್ನು ಕಂಡುಹಿಡಿದಿದ್ದಾರೆ, ಇದು ಲಸಿಕೆಗಳನ್ನು ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ವಿತರಿಸಲು ಅನುವು ಮಾಡಿಕೊಡುತ್ತದೆ.

ಕೋವಿಡ್-19 ವಿರುದ್ಧ ಪರಿಣಾಮಕಾರಿಯಾದ ಆರ್‌ಎನ್‌ಎ ಲಸಿಕೆಗಳನ್ನು ಈಗ ಕ್ಯಾನ್ಸರ್ ಸೇರಿದಂತೆ ಅನೇಕ ಇತರ ಕಾಯಿಲೆಗಳಿಗೆ ಅಭಿವೃದ್ಧಿಪಡಿಸಲಾಗುತ್ತಿದೆ. ಈ ಲಸಿಕೆಗಳ ಒಂದು ಅನಾನುಕೂಲವೆಂದರೆ ಅವುಗಳಿಗೆ ಅತಿ ಹೆಚ್ಚು ಸಂಗ್ರಹಣೆಯ ಅಗತ್ಯವಿರುತ್ತದೆ, ಆದರೆ MIT ಸಂಶೋಧಕರು ಈ ಮಿತಿಯನ್ನು ಜಯಿಸಲು ಭರವಸೆಯ ಮಾರ್ಗವನ್ನು ಕಂಡುಕೊಂಡಿದ್ದಾರೆ.

AI ಅಲ್ಗಾರಿದಮ್‌ನ ಸಹಾಯದಿಂದ, mRNA ಲಸಿಕೆಗಳನ್ನು ವಿತರಿಸಲು ಸಾಮಾನ್ಯವಾಗಿ ಬಳಸುವ ಲಿಪಿಡ್ ನ್ಯಾನೊಪರ್ಟಿಕಲ್‌ಗಳ ಸುತ್ತಲಿನ ಸೂತ್ರೀಕರಣವನ್ನು ಸಂಶೋಧಕರು ಸುಧಾರಿಸಿದ್ದಾರೆ, ಇದರಿಂದಾಗಿ ಲಸಿಕೆಗಳು ಹೆಚ್ಚು ಶಾಖ-ನಿರೋಧಕವಾಗಿದೆ. ಈ ವಿಧಾನವನ್ನು ಬಳಸಿಕೊಂಡು, ಅವರು ಲಸಿಕೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ್ದಾರೆ, ಅದು ಕೋಣೆಯ ಉಷ್ಣಾಂಶದಲ್ಲಿ ಒಂದು ವರ್ಷದವರೆಗೆ ಅಥವಾ 100 ಡಿಗ್ರಿ ಫ್ಯಾರನ್‌ಹೀಟ್‌ನಲ್ಲಿ ಎರಡು ತಿಂಗಳವರೆಗೆ ಸಂಗ್ರಹಿಸಿದಾಗಲೂ ಸ್ಥಿರವಾಗಿರುತ್ತದೆ.

ಈ ಕಣಗಳಿಂದ ಸಾಗಿಸಲ್ಪಟ್ಟ ಕೋವಿಡ್ -19 ಲಸಿಕೆಗಳನ್ನು ಇಲಿಗಳಿಗೆ ನೀಡಿದಾಗ, ಅವು ಆರ್‌ಎನ್‌ಎ ಕೋವಿಡ್ -19 ಲಸಿಕೆಯಂತೆ ಬಲವಾದ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ನೀಡಿತು, ಇದು ಮಾಡರ್ನಾ ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಲಸಿಕೆಗೆ ಹೋಲುತ್ತದೆ. ಸೂಕ್ತವಾದ ಕಣ ಸೂತ್ರೀಕರಣಗಳನ್ನು ಊಹಿಸಲು AI ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸುವ ಮೂಲಕ, ಸಂಶೋಧಕರು ಅವರು ನಿರ್ವಹಿಸಬೇಕಾದ ಪ್ರಯೋಗಗಳ ಸಂಖ್ಯೆಯನ್ನು ಕಡಿಮೆ ಮಾಡಲು ಸಾಧ್ಯವಾಯಿತು, ಇದು ಅಭಿವೃದ್ಧಿ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಹೆಚ್ಚು ವೇಗಗೊಳಿಸಿತು.

ಈ ಅಲ್ಗಾರಿದಮ್‌ನ ನಿಜವಾದ ಸೌಂದರ್ಯವೆಂದರೆ ನಾವು ಅದನ್ನು ಸಣ್ಣ ಡೇಟಾ ಸೆಟ್‌ಗಳೊಂದಿಗೆ ಬಳಸಬಹುದು. ಸಾವಿರಾರು ಪ್ರಯೋಗಗಳನ್ನು ನಡೆಸುವುದು ನಿಜವಾಗಿಯೂ ಕಷ್ಟ, ಆದ್ದರಿಂದ ಈ ಅಲ್ಗಾರಿದಮ್ ನಮಗೆ ಬೇಕಾದ ಗುಣಲಕ್ಷಣಗಳೊಂದಿಗೆ ಸೂತ್ರಗಳನ್ನು ಸುಲಭವಾಗಿ ಪಡೆಯಲು ಅನುಮತಿಸುತ್ತದೆ – ಈ ಸಂದರ್ಭದಲ್ಲಿ ಸ್ಥಿರತೆ.

ಅನಾ ಜಕ್ಲೆನೆಕ್, ಕೋಚ್ ಇನ್‌ಸ್ಟಿಟ್ಯೂಟ್ ಫಾರ್ ಕ್ಯಾನ್ಸರ್ ರಿಸರ್ಚ್‌ನ ಪ್ರಧಾನ ತನಿಖಾಧಿಕಾರಿ

ಜಾಕ್ಲೆನೆಕ್ ಮತ್ತು ರಾಬರ್ಟ್ ಲ್ಯಾಂಗರ್, ಈ ಲೇಖನದ ಹಿರಿಯ ಲೇಖಕರಾದ ಡೇವಿಡ್ ಎಚ್. ಕೋಚ್‌ನ ಪ್ರಾಧ್ಯಾಪಕರು, ಇಂದು ಪ್ರಕೃತಿಯ ಜೈವಿಕ ತಂತ್ರಜ್ಞಾನ. ಪದವೀಧರ ವಿದ್ಯಾರ್ಥಿ ಜಿನ್ಬಿ ಟಿಯಾನ್ ಮತ್ತು ಪೋಸ್ಟ್‌ಡಾಕ್ ಹಾನ್ ಟ್ರಾನ್ ಪತ್ರಿಕೆಯ ಪ್ರಮುಖ ಲೇಖಕರು.

ಸ್ಥಿರ ಲಸಿಕೆಗಳು

ಆರ್ಎನ್ಎ ಬಹಳ ದುರ್ಬಲವಾದ ಅಣುವಾಗಿದೆ, ಆದ್ದರಿಂದ ಸಂಶೋಧಕರು ಲಿಪಿಡ್ ನ್ಯಾನೊಪರ್ಟಿಕಲ್ಸ್ (ಎಲ್ಎನ್ಪಿಗಳು) ನೊಂದಿಗೆ ಸ್ಥಿರಗೊಳಿಸುತ್ತಾರೆ, ಇದು ಆರ್ಎನ್ಎ ಅವನತಿಯಿಂದ ರಕ್ಷಿಸುತ್ತದೆ ಮತ್ತು ಜೀವಕೋಶಗಳಿಗೆ ಪ್ರವೇಶಿಸಲು ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಆದಾಗ್ಯೂ, ಈ ಆರ್‌ಎನ್‌ಎ-ಎಲ್‌ಎನ್‌ಪಿ ಲಸಿಕೆಗಳನ್ನು ಇನ್ನೂ ತಣ್ಣಗಾಗಿಸಬೇಕಾಗಿದೆ (-20 ರಿಂದ -80 ಡಿಗ್ರಿ ಸೆಲ್ಸಿಯಸ್), ಇದು ಶೀತಲ ಶೇಖರಣೆಯಿಲ್ಲದ ಪ್ರದೇಶಗಳಿಗೆ ಸಾಗಿಸಲು ಕಷ್ಟವಾಗುತ್ತದೆ.

ಈ ಲಸಿಕೆಗಳ ಹೆಚ್ಚಿನ ಶಾಖ ನಿರೋಧಕತೆಯು ಅವುಗಳನ್ನು ಹೆಚ್ಚು ವ್ಯಾಪಕವಾಗಿ ವಿತರಿಸಲು ಅನುಮತಿಸುವುದಿಲ್ಲ, ಆದರೆ ಮೈಕ್ರೋನೆಡಲ್ ಪ್ಯಾಚ್‌ಗಳಂತಹ ಹೊಸ ತಂತ್ರಗಳ ಮೂಲಕ ನಿರ್ವಹಿಸಬಹುದಾದ ಹೊಸ ಲಸಿಕೆಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಲು ಸಂಶೋಧಕರಿಗೆ ಸಹಾಯ ಮಾಡುತ್ತದೆ. ಈ ತೇಪೆಗಳು ನೂರಾರು ಲಸಿಕೆ ತುಂಬಿದ ಮೈಕ್ರೊನೀಡಲ್‌ಗಳನ್ನು ಒಳಗೊಂಡಿರುತ್ತವೆ, ಅದು ಪ್ಯಾಚ್ ಅನ್ನು ಚರ್ಮದ ಮೇಲೆ ಇರಿಸಿದಾಗ ಲಸಿಕೆ ಕರಗುತ್ತದೆ ಮತ್ತು ಬಿಡುಗಡೆ ಮಾಡುತ್ತದೆ.

ಸ್ಥಿರವಾದ ಆರ್‌ಎನ್‌ಎ ಲಸಿಕೆಗಳನ್ನು ರಚಿಸಲು, ಸಂಶೋಧಕರು ಎಲ್‌ಎನ್‌ಪಿಗೆ ವಿವಿಧ ಎಕ್ಸಿಪೈಂಟ್‌ಗಳು-ಸಕ್ಕರೆಗಳು, ಲವಣಗಳು ಅಥವಾ ಪಾಲಿಮರ್‌ಗಳನ್ನು ಸೇರಿಸುವ ಪ್ರಯೋಗ ಮಾಡಿದ್ದಾರೆ. ಜಾಕ್ಲೆನೆಕ್ ಮತ್ತು ಲ್ಯಾಂಗರ್ ಇತ್ತೀಚೆಗೆ ಹೆಚ್ಚಿನ ತಾಪಮಾನವನ್ನು ತಡೆದುಕೊಳ್ಳುವ ಪಾಲಿಮರ್-ಸ್ಥಿರೀಕೃತ LNP ಗಳನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು, ಆದರೆ ಆ LNP ಗಳು ಮಾಡರ್ನಾ ಮತ್ತು ಫಿಜರ್‌ನ ಕೋವಿಡ್-19 ಲಸಿಕೆಗಳಿಗೆ ಬಳಸುವ FDA-ಅನುಮೋದಿತ ಸೂತ್ರೀಕರಣಗಳಿಂದ ಸ್ವಲ್ಪ ಭಿನ್ನವಾಗಿವೆ.

ತಮ್ಮ ಹೊಸ ಪತ್ರಿಕೆಯಲ್ಲಿ, ಹೆಚ್ಚಿನ ತಾಪಮಾನದಲ್ಲಿ ಈ ಎಫ್‌ಡಿಎ-ಅನುಮೋದಿತ ಸೂತ್ರೀಕರಣಗಳನ್ನು ಹೆಚ್ಚು ಸ್ಥಿರಗೊಳಿಸಲು ಒಂದು ಮಾರ್ಗವನ್ನು ಕಂಡುಕೊಳ್ಳಬಹುದೇ ಎಂದು ಸಂಶೋಧಕರು ನೋಡಲು ಬಯಸಿದ್ದರು.

ಜಕ್ಲೆನೆಕ್ ಅವರು ತಮ್ಮ ಹಿಂದಿನ ಪ್ರಯತ್ನಗಳಲ್ಲಿ ಕೆಲಸ ಮಾಡಿದ ಕೆಲವು ಎಕ್ಸಿಪೈಂಟ್‌ಗಳನ್ನು ಮರುಬಳಕೆ ಮಾಡುವ ಮೂಲಕ ಪ್ರಾರಂಭಿಸಿದರು, ಆದರೆ ಅವರು “ನಿಜವಾಗಿಯೂ ಸಿಲುಕಿಕೊಂಡರು” ಎಂದು ಹೇಳುತ್ತಾರೆ. “ಎಲ್‌ಎನ್‌ಪಿಗಳನ್ನು ಸ್ಥಿರಗೊಳಿಸಲು ನಾವು ಮೊದಲು ಯಶಸ್ವಿಯಾಗಿ ಬಳಸಿದ ಸಹಾಯಕಗಳನ್ನು ಬಳಸಲು ನಾವು ಪ್ರಯತ್ನಿಸುತ್ತಿದ್ದೇವೆ, ಆದರೆ ಅದು ಕಾರ್ಯನಿರ್ವಹಿಸುತ್ತಿಲ್ಲ. ಇದು ತಂಡಕ್ಕೆ ನಿಜವಾಗಿಯೂ ನಿರಾಶಾದಾಯಕವಾಗಿತ್ತು.”

ಅವರ ಪ್ರಗತಿಯನ್ನು ವೇಗಗೊಳಿಸಲು, ಸಂಶೋಧಕರು ಯಂತ್ರ ಕಲಿಕೆ ವಿಧಾನವನ್ನು ಪ್ರಯತ್ನಿಸಲು ನಿರ್ಧರಿಸಿದರು. ಎಂಐಟಿಯ ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಮತ್ತು ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಲ್ಯಾಬೊರೇಟರಿ (ಸಿಎಸ್‌ಎಐಎಲ್) ನಲ್ಲಿ ಸಂಶೋಧಕರೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತಾ, ಅವರು ಅತಿ ಚಿಕ್ಕ ಡೇಟಾಸೆಟ್‌ಗಳ ಆಧಾರದ ಮೇಲೆ ಭವಿಷ್ಯ ನುಡಿಯಬಲ್ಲ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದರು.

“ನಾವು ಈ ಮೊದಲು ವಿವಿಧ ಸ್ವಯಂಚಾಲಿತ ಪ್ರಾಯೋಗಿಕ ವಿನ್ಯಾಸ ಅಪ್ಲಿಕೇಶನ್‌ಗಳಿಗಾಗಿ ನಮ್ಮ ಅಲ್ಗಾರಿದಮ್‌ಗಳನ್ನು ಬಳಸಿದ್ದೇವೆ, ಆದರೆ ಲಸಿಕೆ ಸ್ಥಿರತೆಯಂತಹ ಜೈವಿಕ ಸಮಸ್ಯೆಯ ಮೇಲೆ ಎಂದಿಗೂ ಬಳಸಿಲ್ಲ” ಎಂದು MIT ಯ ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್ ಮತ್ತು ಆರ್ಟಿಫಿಶಿಯಲ್ ಇಂಟೆಲಿಜೆನ್ಸ್ ಲ್ಯಾಬೋರೇಟರಿಯಲ್ಲಿ ಎಲೆಕ್ಟ್ರಿಕಲ್ ಎಂಜಿನಿಯರಿಂಗ್ ಮತ್ತು ಕಂಪ್ಯೂಟರ್ ಸೈನ್ಸ್‌ನ ಸಹಾಯಕ ಪ್ರಾಧ್ಯಾಪಕ ಮಿನಾ ಕೊನಾಕೊವಿಕ್ ಲುಕೋವಿಕ್ ಹೇಳುತ್ತಾರೆ (CSAIL). “ಅಲ್ಗಾರಿದಮ್ ಎಷ್ಟು ಬೇಗನೆ ಸ್ಥಿರವಾದ ಸೂತ್ರಕ್ಕೆ ಒಮ್ಮುಖವಾಯಿತು ಎಂಬುದು ಆಶ್ಚರ್ಯಕರವಾಗಿತ್ತು – ಸಾಮಾನ್ಯವಾಗಿ ಅಗತ್ಯವಿರುವ ಸಮಗ್ರ ಹುಡುಕಾಟದ ಬದಲಿಗೆ ಕೆಲವೇ ಪುನರಾವರ್ತನೆಗಳಲ್ಲಿ ಅವರು ಅಲ್ಲಿಗೆ ಬಂದರು.”

ಸುಮಾರು 50 ಎಫ್‌ಡಿಎ-ಅನುಮೋದಿತ ಎಕ್ಸಿಪೈಂಟ್‌ಗಳನ್ನು ವಿಶ್ಲೇಷಿಸಲು ಸಂಶೋಧಕರು ಈ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸಿದ್ದಾರೆ. ಪ್ರತಿ ಸಹಾಯಕಕ್ಕೆ, ಎಲ್‌ಎನ್‌ಪಿಗೆ ಸೇರಿಸಿದಾಗ ಅದು ಆರ್‌ಎನ್‌ಎಯನ್ನು ಎಷ್ಟು ಸ್ಥಿರಗೊಳಿಸುತ್ತದೆ ಎಂಬುದನ್ನು ಸಂಶೋಧಕರು ಮೊದಲು ಅಳೆಯುತ್ತಾರೆ. ಅವರು ಈ ಕಣಗಳನ್ನು ಫೈರ್‌ಫ್ಲೈ ಲೂಸಿಫೆರೇಸ್ ಎಂಬ ಪ್ರೋಟೀನ್‌ಗಾಗಿ mRNA ತಲುಪಿಸಲು ಬಳಸಿದರು, ಇದು ಜೀವಕೋಶಗಳಿಗೆ ಜೈವಿಕ ಪ್ರಕಾಶವನ್ನು ರವಾನಿಸುತ್ತದೆ. ಜೀವಕೋಶಗಳು ಹೊರಸೂಸುವ ಬೆಳಕಿನ ಪ್ರಮಾಣವನ್ನು ಅಳೆಯುವ ಮೂಲಕ, ಪ್ರತಿ ಸಹಾಯಕರು mRNA ಯನ್ನು ಎಷ್ಟು ಪರಿಣಾಮಕಾರಿಯಾಗಿ ರಕ್ಷಿಸುತ್ತಾರೆ ಎಂಬುದನ್ನು ಸಂಶೋಧಕರು ನಿರ್ಧರಿಸಬಹುದು.

ಸಂಶೋಧಕರು ಐದು ಭರವಸೆಯ ಸಹಾಯಕಗಳನ್ನು ಆಯ್ಕೆ ಮಾಡಿದರು ಮತ್ತು ಮಾಡರ್ನಾ ಬಳಸುವವರಿಗೆ LNP ಅನ್ನು ಉತ್ತಮವಾಗಿ ಸ್ಥಿರಗೊಳಿಸುವ ಆ ಸಹಾಯಕಗಳ ಅನುಪಾತವನ್ನು ಊಹಿಸಲು ತಮ್ಮ AI ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸಿದರು. ಈ ಮುನ್ನೋಟಗಳ ಆಧಾರದ ಮೇಲೆ, ಸಂಶೋಧಕರು ಜೀವಕೋಶಗಳ ಮೇಲೆ ಎರಡು ಸೂತ್ರಗಳನ್ನು ಏಕಕಾಲದಲ್ಲಿ ಪರೀಕ್ಷಿಸಿದರು, ಆ ಫಲಿತಾಂಶಗಳನ್ನು ಅಲ್ಗಾರಿದಮ್‌ಗೆ ನೀಡಿದರು ಮತ್ತು ಹೆಚ್ಚಿನ ಮುನ್ನೋಟಗಳನ್ನು ರಚಿಸಿದರು. ಹಲವಾರು ಸುತ್ತುಗಳ ನಂತರ, ಅವರು ಪ್ರಾಣಿಗಳ ಅಧ್ಯಯನದಲ್ಲಿ ಪರೀಕ್ಷಿಸಲು ಸಾಕಷ್ಟು ಭರವಸೆ ನೀಡುವ ಸೂತ್ರವನ್ನು ಆಯ್ಕೆ ಮಾಡಿದರು.

ಪ್ರಕ್ರಿಯೆಯು ಕೆಲವೇ ವಾರಗಳನ್ನು ತೆಗೆದುಕೊಂಡಿತು, AI ಅಲ್ಗಾರಿದಮ್‌ನ ಮಾರ್ಗದರ್ಶನವಿಲ್ಲದೆ ತೆಗೆದುಕೊಳ್ಳುವುದಕ್ಕಿಂತ ಕಡಿಮೆ.

“ನಾವು AI ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಕಾರ್ಯಗತಗೊಳಿಸುವ ಮೊದಲು, ನಾವು ವಿವಿಧ ಸಂಯೋಜನೆಗಳನ್ನು ಪರೀಕ್ಷಿಸಲು ಹಲವಾರು ತಿಂಗಳುಗಳನ್ನು ಕಳೆದಿದ್ದೇವೆ ಮತ್ತು ನಾವು ಕಂಡುಕೊಳ್ಳಬಹುದಾದ ಎಲ್ಲಾ ಬೆಂಬಲ ಘಟಕಗಳನ್ನು ಪೂರ್ವ-ಪರೀಕ್ಷೆ ಮಾಡಿದ್ದೇವೆ, ಆದರೆ ಯಾವುದೂ ನಮಗೆ 100 ಪ್ರತಿಶತ ಸ್ಥಿರತೆಗೆ ಬರಲಿಲ್ಲ” ಎಂದು ಟ್ರಾನ್ ಹೇಳುತ್ತಾರೆ.

ನಿರಂತರ ಪ್ರತಿರಕ್ಷಣಾ ಪ್ರತಿಕ್ರಿಯೆಗಳು

ಹೊಸ LNP ಸೂತ್ರೀಕರಣದ ಶಾಖದ ಪ್ರತಿರೋಧವನ್ನು ಪರೀಕ್ಷಿಸಲು, ಸಂಶೋಧಕರು Covid-19 mRNA ಪ್ರತಿಜನಕಗಳನ್ನು ಸುತ್ತುವರಿಯಲು ಕಣಗಳನ್ನು ಬಳಸಿದರು ಮತ್ತು ನಂತರ ಅವುಗಳನ್ನು ನಿರ್ವಾತ ಒಣಗಿಸುವ ಪ್ರಕ್ರಿಯೆಯನ್ನು ಬಳಸಿಕೊಂಡು ಒಣಗಿಸಿದರು. ನಂತರ ಕಣಗಳನ್ನು 37 ಡಿಗ್ರಿ ಸೆಲ್ಸಿಯಸ್ (98 ಡಿಗ್ರಿ ಫ್ಯಾರನ್‌ಹೀಟ್) ನಲ್ಲಿ ಎರಡು ತಿಂಗಳು ಅಥವಾ ಕೋಣೆಯ ಉಷ್ಣಾಂಶದಲ್ಲಿ ಒಂದು ವರ್ಷದವರೆಗೆ ಸಂಗ್ರಹಿಸಲಾಗುತ್ತದೆ. ಈ ಕಣಗಳೊಂದಿಗೆ ಲಸಿಕೆ ಹಾಕಿದ ಇಲಿಗಳು, ದೀರ್ಘಾವಧಿಯ ಸಂಗ್ರಹಣೆಯ ನಂತರವೂ, ಮಾಡರ್ನಾದ ಮೂಲ ಸೂತ್ರೀಕರಣದಂತೆಯೇ LNP ಗಳಿಂದ ಮಾಡಿದ ಲಸಿಕೆಗಳನ್ನು ಪಡೆದ ಇಲಿಗಳಿಗೆ ಸಮಾನವಾದ ಪ್ರತಿರಕ್ಷಣಾ ಪ್ರತಿಕ್ರಿಯೆಗಳನ್ನು ತೋರಿಸಿದವು.

SARS-CoV-2 ಪ್ರತಿಜನಕವನ್ನು ತಲುಪಿಸಬಲ್ಲ ಘನ ಮೈಕ್ರೊನೀಡಲ್ ಪ್ಯಾಚ್‌ಗಳನ್ನು ರಚಿಸಲು ಸಂಶೋಧಕರು ಹೊಸ ಶಾಖ-ನಿರೋಧಕ ಸೂತ್ರೀಕರಣವನ್ನು ಸಹ ಬಳಸಿದ್ದಾರೆ. ಈ ತೇಪೆಗಳು ಚುಚ್ಚುಮದ್ದಿನ ಆರ್‌ಎನ್‌ಎ ಲಸಿಕೆಗಳಿಂದ ಪ್ರೇರಿತವಾದ ಪ್ರತಿರಕ್ಷಣಾ ಪ್ರತಿಕ್ರಿಯೆಯನ್ನು ಉಂಟುಮಾಡುತ್ತವೆ.

“ನಮ್ಮ ವಿಧಾನವು ಕೇವಲ mRNA ಲಸಿಕೆಗಳ ಅನ್ವಯಿಸುವಿಕೆಯನ್ನು ವಿಸ್ತರಿಸುತ್ತದೆ, ಆದರೆ ಚಿಕಿತ್ಸಕಗಳು ಅಥವಾ ನಿಯಂತ್ರಿತ-ಬಿಡುಗಡೆ ಕಣಗಳು ಅಥವಾ ಮೈಕ್ರೊನೀಡಲ್ ಪ್ಯಾಚ್‌ಗಳಂತಹ ಸುಧಾರಿತ ಔಷಧ ವಿತರಣಾ ವೇದಿಕೆಗಳು ಘನ-ಸ್ಥಿತಿ ಅಥವಾ ಹೆಚ್ಚಿನ ತಾಪಮಾನದಲ್ಲಿ ಸ್ಥಿರವಾಗಿರುವ ಸೂತ್ರೀಕರಣದ ಅಗತ್ಯವಿರುತ್ತದೆ,” ಟಿಯಾನ್ ಹೇಳುತ್ತಾರೆ.

ಕೋವಿಡ್-19 ಲಸಿಕೆಯನ್ನು ನೀಡಲು ಫಿಜರ್ ಬಳಸಿದ ಒಂದನ್ನು ಒಳಗೊಂಡಂತೆ ಇತರ LNP ಸೂತ್ರೀಕರಣಗಳನ್ನು ಅತ್ಯುತ್ತಮವಾಗಿಸಲು ತಮ್ಮ ಅಲ್ಗಾರಿದಮ್ ಅನ್ನು ಬಳಸಬಹುದೆಂದು ಸಂಶೋಧಕರು ತೋರಿಸಿದರು. ಈ ಸೂತ್ರವು ಮಾಡರ್ನಾ LNP ಗಾಗಿ MIT ತಂಡವು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ಅದೇ ಎಕ್ಸಿಪೈಂಟ್‌ಗಳನ್ನು ಬಳಸುತ್ತದೆ, ಆದರೆ ವಿಭಿನ್ನ ಅನುಪಾತದಲ್ಲಿ. ಪ್ರತಿ LNP ಗಾಗಿ, ಶಾಖ-ಸ್ಥಿರ ಸೂತ್ರೀಕರಣವನ್ನು ಅಭಿವೃದ್ಧಿಪಡಿಸಿದ ನಂತರ, ಯಾವುದೇ mRNA ಪೇಲೋಡ್ ಅನ್ನು ತಲುಪಿಸಲು ಅದನ್ನು ಸರಿಹೊಂದಿಸಬಹುದು ಎಂದು ಸಂಶೋಧಕರು ಹೇಳುತ್ತಾರೆ.

ಸಂಶೋಧನೆಗೆ ಗೇಟ್ಸ್ ಫೌಂಡೇಶನ್ ಭಾಗಶಃ ಧನಸಹಾಯ ನೀಡಿತು.