Multi-Objective Active Learning Overcomes Liver Tropism in LNP- Mediated mRNA Delivery to the Brain

非常に厳重に警備された都市にある、特定の家へ手紙を郵送することを想像してみてください。その都市はあなたの脳であり、手紙は壊れた細胞を修復するために設計された強力なRNA製の薬です。問題は、この都市には「血液脳関門」と呼ばれる非常に強力なセキュリティ壁があることです。この壁は非常に厳格で、私たちの運び屋である「脂質ナノ粒子（LNP）」と呼ばれる小さな粒子を含め、ほとんどのものをブロックしてしまいます。通常、これらの粒子を血流に送り込むと、巨大なリサイクルセンターとして機能する肝臓にハイジャックされてしまい、脳に到達する前に飲み込まれてしまいます。これは、要塞の中にある家へ荷物を届けようとしているのに、配送トラックが隣のリサイクル工場で止められてしまうようなものです。科学者たちは、脳のゲートを開かせるために、天然のタンパク質であるApoEを模倣した特別な「鍵」を粒子に付けることで、セキュリティシステムを欺こうとしてきました。しかし、これらの鍵や粒子を作る方法はあまりにも多種多様であるため、一つずつ試していくことは、膨大な時間がかかり、莫大な費用がかかってしまいます。

ここから、この論文の物語が始まります。研究者たちは、単に当てずっぽうで試し続けるのではなく、よりスマートに脳への送達粒子を設計する方法を見つけたいと考えました。彼らは、過去の実験から学び、どの粒子設計が最も上手くいくかを予測する、超スマートな探偵のように機能するコンピュータプログラムを使用しました。単に最も速いデリバリーを探すのではなく、彼らのプログラムは、巧妙なゲームをプレイすることを学びました。それは、薬を脳に届ける「一方で」、肝臓に盗まれないようにするというゲームです。彼らは、このコンピュータの脳を、他の科学者がすでに作成した1,200通りの粒子レシピの膨大なリストに対してテストしました。コンピュータはゲームのルールを学習し、分子の形状や「油っぽさ」がいかに重要であるかといったことを解明しました。コンピュータに最適なレシピを選ばせたとき、それはランダムにレシピを選んだ場合よりもはるかに早く勝者を特定しました。しかし、コンピュータは非常に正直な警告も出しました。それは、既知の要素を組み合わせることは得意だが、見たこともない全く新しい未知の要素を与えられた場合、それがどのように機能するかを予測することはできないということです。この論文は、適切なコンピュータの助けがあれば、より優れた脳への薬を設計できるが、最終的な設計が機能することを証明するためには、依然として現実世界での実験が必要であることを示しています。

問題点：肝臓の粘着質な罠

脂質ナノ粒子（LNP）は、現在、RNA製剤を届けるための最良の乗り物です。これらを、壊れやすい指示を細胞へと運ぶ、小さな脂肪の泡だと考えてください。しかし、それらには大きな欠陥があります。それらは自然に肝臓に対して「粘着性」を持っているのです。注射されると、肝臓の「セキュリティガード」（ApoEと呼ばれるタンパク質）がそれらを掴み、肝臓が飲み込んでしまいます。これは肝臓疾患を治療したい場合には素晴らしいことですが、アルツハイマー病やその他の神経疾患のような脳疾患を治療したい場合には最悪です。脳は血液脳関門と呼ばれる壁によって守られており、肝臓に好まれるこれらの粒子は、そのゲートを通過することさえできません。

これを解決するために、科学者たちは、脳のゲートを騙して開かせるために、ApoEを模倣したペプチドという特別な「鍵」でこれらの粒子を装飾しようとしています。しかし、ここに落とし穴があります。これらの粒子を構築する方法は、何百万通りもあります。頭部、尾部、リンカー、そして鍵の密度を変えることができます。ラボでこれらすべての組み合わせを手作業で試すことは不可能です。あまりにも時間がかかり、コストがかかりすぎます。

解決策：コンピュータ探偵

この論文の著者たちは、このパズルを解くためのコンピュータフレームワークを構築しました。あらゆる可能性をテストする代わりに、既存のデータから学習する機械学習システムを使用しました。彼らは、1,200種類の異なる脂質レシピと、それらがテスト細胞内でどのように機能したかを含む、AGILEと呼ばれる公開ライブラリのデータをコンピュータに投入しました。

コンピュータは、「勾配ブースティング決定木」（スマートなアルゴリズムの一種）と呼ばれる手法を使用してパターンを学習しました。コンピュータは単に答えを暗記したのではなく、「ルール」を学んだのです。例えば、特定の数の水素結合ドナーを持つことや、特定の尾部の形状を持つことが、粒子の性能を向上させることを突き止めました。これは、コンピュータが魔法の答えを出すだけの「ブラックボックス」ではなく、なぜ数学の問題がそのように解かれたのかを説明する教師のように、理由を提示できることを意味します。

結果：より速く、よりスマートに

研究者たちがこのコンピュータ探偵をテストしたところ、非常に優れた成果を上げました。標準的なテストにおいて、それは粒子がどれほど上手く機能するかを0.69（正確さの指標）のスコアで予測し、上位の粒子を83%の確率で正しくランク付けしました。これは、もしコンピュータにトップ10のベストなレシピを選ばせたら、そのほとんどを正解することを示しています。

しかし、本当の魔法は「能動学習（アクティブラーニング）」を使用したときに起こりました。これは、コンピュータが前回の学習に基づいて「次に行うべき実験」を選択する戦略です。これは、コンピュータが推測を重ねるごとに賢くなっていく「熱いか冷たいか（ホット・アンド・コールド）」のゲームのようなものです。

• 結果： 100個のレシピをテストした後、コンピュータの能動学習メソッドは、ライブラリ内で利用可能な最高のパフォーマンスの94%を見つけ出しました。
• 比較： もしレシピをランダムに選んでいたとしたら、同じ数のテストでは最高のパフォーマンスの84%しか見つけられなかったでしょう。
• 教訓： コンピュータは、より速く、よりスマートに「勝利する」レシピを見つけ出し、時間と資源を節約しました。

正直な真実：コンピュータにできないこと

この論文は、その限界について非常に誠実です。コンピュータは、既知の構成要素を混ぜ合わせ、組み合わせることには長けています。しかし、研究者たちが、粒子用の全く新しいタイプの「頭部」をコンピュータに与えた場合、どうなるかをテストしました。コンピュータはこれに失敗しました。その正確さはほぼゼロまで低下しました。

これは極めて重要な発見です。つまり、コンピュータは既知の材料を組み合わせて素晴らしい新しい料理を作る名シェフではありますが、全く新しい未知のスパイスを使って料理を考案することはできないということです。もし科学者が完全に新しい化学成分を使いたいのであれば、それらがどのような働きをするかをコンピュータに教えるために、依然としてラボでの厳しいテストを行う必要があります。

未来：マルチオブジェクティブ（多目的）なゲーム

この論文はまた、このシステムをより困難な課題、すなわち「同時に2つの目標をバランスさせること」にどのように使用できるかを示しました。通常、科学者は単にどれだけの薬が脳に入るかを最大化したいと考えます。しかし、これが機能するためには、どれだけ肝臓に留まってしまうかを「最小化」する必要もあります。

研究者たちは、コンピュータが完璧なバランスを見つけなければならないシミュレーション（実際のラボ実験ではなく、コンピュータモデル）を作成しました。コンピュータは、脳への進入には優れているが、肝臓への進入には適していない粒子を選ぶ必要がありました。システムは、このトレードオフをうまくナビゲートし、脳をターゲットにしつつ、肝臓を回避することに優れた設計を見つけ出しました。

なぜこれが重要なのか

この論文は、まだ脳疾患を治療したと主張しているわけではありません。これらの特定の粒子を実際の人間や動物の脳でテストすることさえしていません。むしろ、あらゆる研究所が利用できる強力でオープンソースのツールキットを提供しています。これは、スマートなコンピュータ戦略を使用することで、私たちは悪い設計に時間を浪費することをやめ、成功の可能性が最も高い設計に集中できることを示しています。

著者らは、彼らのシステムが（スーパーコンピュータではなく）一般的なコンピュータで動作するように設計されており、新しいデータが入手可能になり次第、すぐに受け入れられる準備ができていることを強調しています。彼らが「本論文の範囲外」であると述べている次のステップは、実際にこれらの粒子をラボで構築し、人間の脳モデルでテストし、コンピュータの予測が現実世界で通用するかどうかを確認することです。しかし現時点では、彼らは科学者たちに対し、複雑な脳への送達薬の世界を航海するための、より優れた地図を与えたのです。