Ein Forschungsteam unter der Leitung von Professorin Olivia Merkel hat die erste integrierte Plattform ins Leben gerufen, die Molekulardynamik-Simulationen (MD-Simulationen) mit maschinellem Lernen (ML) verknüpft. Ziel dieser Innovation ist es, neue polymere Materialien für den effizienten Transport von therapeutischer RNA zu identifizieren. Im Zentrum der Studie steht das neu entwickelte Rechenwerkzeug „Bits2Bonds“. Das ermöglicht das de novo-Design und die Optimierung polymerbasierter RNA-Trägersysteme . Diese Forschung wurde im Rahmen von Merkels ERC Consolidator Grant „RatInhalRNA“ durchgeführt, einem Projekt, das sich der Entwicklung innovativer RNA-Formulierungen für die pulmonale Anwendung widmet.
Bits2Bonds: Überwindung von Grenzen in der Materialentwicklung
Bisherige Ansätze zur Identifizierung neuer Polymere waren entweder zeitaufwendig und teuer (experimentelles Screening) oder stießen an rechnerische Grenzen. Letztere können unzureichende Daten oder hoher Rechenaufwand sein. Die Plattform Bits2Bonds schließt diese Lücke, indem sie grobkörnige Molekulardynamik-Simulationen (MD-Simulationen) – die wichtige Prozesse wie die RNA-Bindung oder Membraninteraktionen abbilden – mit maschinellem Lernen (ML) zur Moleküldesign-Optimierung kombiniert. Dieser hybride Ansatz ermöglicht das schnelle virtuelle Screening von Tausenden potenzieller Trägermoleküle. Dies beschleunigt die Entdeckung wirksamer und sicherer RNA-Nanocarrier vor der experimentellen Validierung erheblich.
„Unsere Arbeit zeigt erstmals, dass die Kombination physikalisch basierter Simulationen mit datengetriebener Optimierung eine effiziente Strategie zur Entdeckung völlig neuer Materialien für RNA-Therapeutika darstellt“, erklärt Olivia Merkel. „Diese Methode ebnet den Weg für ein rationales, Hochdurchsatz-basiertes Design polymerer Trägersysteme und bringt uns einen Schritt näher an personalisierte RNA-Arzneimittel.“
Experimentelle Validierung und Übertragbarkeit
Das Forschungsteam validierte seine rechnerischen Vorhersagen, indem es mehrere Polymerkandidaten für den siRNA-Transport synthetisierte und experimentell prüfte. Dabei konnte eine starke Korrelation zwischen den Simulationsergebnissen und der tatsächlichen biologischen Wirksamkeit festgestellt werden. Die entwickelte Plattform ist modular aufgebaut, was ihre leichte Übertragbarkeit auf andere Polymerarten oder Nukleinsäure-Modalitäten wie mRNA oder CRISPR-basierte Therapeutika gewährleistet.
Quelle
Ludwig-Maximilians-Universität München (12/2025)
Publikation
Felix Sieber-Schäfer, Jonas Binder, Tim Münchrath, Katharina M. Steinegger, Min Jiang, Benjamin Winkeljann, Wolfgang Friess & Olivia M. Merkel: From Bits to Bonds: High-Throughput Virtual Screening of Ribonucleic Acid Nanocarriers Using a Combinatorial Approach of Machine Learning and Molecular Dynamics. Journal of the American Chemical Society 2025
https://doi.org/10.1021/jacs.5c12694