基于组合发现与机器学习的RAFT阳离子聚合物用于mRNA递送：高通量筛选揭示结构-功能关系

《Biomacromolecules》：Combinatorial Discovery of RAFT Cationic Polymers for mRNA Delivery: Structure–Function Insights from High-Throughput Screening and Machine Learning

本研究针对mRNA递送系统开发难题，通过组合RAFT聚合技术构建了结构多样的阳离子聚合物库，结合高通量筛选与机器学习分析，成功筛选出性能优于PEI和Lipofectamine的候选聚合物，并揭示了影响mRNA转染效率的关键物化参数，为智能设计高效mRNA递送载体提供了新范式。

　　

随着mRNA疫苗在新冠疫情中的成功应用，mRNA技术展现出巨大的治疗潜力，从传染病预防到癌症治疗、蛋白质替代疗法等领域都具有广阔前景。然而，mRNA分子本身脆弱且带负电，无法自行穿过细胞膜，需要安全高效的递送载体将其包裹并运送到目标细胞内发挥作用。目前，脂质纳米颗粒（LNP）是临床上最主流的mRNA递送系统，但其仍存在一些局限性，如潜在的毒性、储存稳定性问题以及成分相对复杂等。因此，开发新型、高效且生物相容性更好的mRNA递送平台已成为生物材料领域的研究热点。

在众多候选材料中，阳离子聚合物因其结构可设计性强、易于合成和功能化等优点而备受关注。它们能通过静电相互作用与带负电的mRNA结合，形成稳定的纳米复合物（polyplex），保护mRNA并促进其细胞内化。然而，阳离子聚合物的基因转染效率与其毒性之间往往存在难以调和的矛盾，即高效的聚合物通常伴随较高的细胞毒性。此外，聚合物的化学结构（如分子量、电荷密度、亲疏水性等）如何影响其与mRNA的相互作用、纳米颗粒的形成及其最终的生物学性能，其中的构效关系（Structure–Function Relationship）非常复杂，传统“试错法”研究模式效率低下，难以系统揭示。为了突破这一瓶颈，来自澳大利亚昆士兰大学的研究团队在《Biomacromolecules》上发表了一项创新性研究，他们结合了组合化学、高通量生物学筛选和机器学习等多种先进技术，旨在系统探索并发现用于mRNA递送的高性能阳离子聚合物，并深入理解其背后的构效关系。

本研究主要采用了以下几项关键技术方法：首先，利用可逆加成-断裂链转移（RAFT）聚合这一强大的可控活性聚合技术，组合合成了一个包含多种结构特征（如不同分子量、亲疏水链段比例）的叔胺类甲基丙烯酸酯阳离子聚合物库。其次，通过高通量筛选平台，系统评估了所有聚合物在mRNA结合能力、细胞摄取、细胞毒性以及mRNA转染效率等方面的生物学表现。最后，运用机器学习算法，对聚合物的物理化学性质与生物学性能之间的复杂关系进行建模和分析，以识别出关键的性能预测参数。

阳离子聚合物库的构建与表征

研究人员首先通过组合RAFT聚合，成功制备了一个结构多样的阳离子聚合物库。这些聚合物均以甲基丙烯酸酯类单体为基本骨架，含有叔胺基团，使其在生理条件下带正电，从而能够与mRNA结合。他们对聚合物的关键物理化学性质进行了详细表征，包括分子量、分散度（?）等，确保了聚合物库的多样性和质量可控性。随后，他们研究了这些聚合物与mRNA的复合能力，结果表明所有合成的聚合物均能有效压缩mRNA，形成尺寸均一、表面带正电的纳米尺度的polyplex颗粒，这是实现有效递送的第一步。

高通量筛选鉴定高效低毒的递送载体

接下来，研究团队对聚合物-mRNA polyplexes进行了一系列高通量生物学评价。细胞摄取实验显示，不同聚合物形成的polyplex被细胞吞噬的效率存在显著差异。细胞毒性测试则表明，聚合物的结构与其毒性密切相关，一些聚合物表现出优异的生物相容性。最关键的mRNA转染效率评估发现，在众多候选聚合物中，有几个“明星”聚合物（lead polymers）脱颖而出，其介导的蛋白表达效率显著高于其他合成聚合物，甚至优于两种常用的商业转染试剂——聚乙烯亚胺（PEI）和Lipofectamine。这一结果证明，通过合理的组合设计，完全有可能获得兼具高效率与低毒性的阳离子聚合物递送系统。

机器学习揭示构效关系

为了超越传统的经验总结，深入理解“为什么某些聚合物表现更好”，研究人员引入了机器学习进行分析。他们将聚合物的各种物理化学参数（作为特征）与高通量筛选获得的生物学性能数据（作为标签）进行关联建模。机器学习模型成功识别出若干对细胞摄取、细胞毒性和转染效率具有预测价值的关键属性。例如，聚合物的分子量、亲疏水平衡、以及polyplex纳米颗粒的某些物理特性被证明是影响其生物学命运的重要决定因素。这些基于数据的洞察，为未来理性设计更高效的阳离子聚合物提供了明确的指导原则和量化依据。

综上所述，本研究通过整合组合化学、高通量实验和机器学习，成功实现了对用于mRNA递送的阳离子聚合物的高效发现与机理探索。研究不仅筛选出了性能超越现有商业试剂的候选聚合物，更重要的是，通过机器学习分析揭示了隐藏在复杂实验数据背后的关键结构-功能规律。这项工作标志着mRNA递送载体的开发正在从传统的“试错法”向数据驱动的“理性设计”范式转变。所建立的研究策略和获得的构效关系见解，不仅适用于mRNA递送，也为其他类型的核酸药物（如siRNA、DNA）的载体设计提供了宝贵的参考。最终，这项研究有望加速下一代安全、高效的非病毒基因递送系统的开发，推动mRNA疗法在更广泛疾病治疗中的应用。