A seguito della pandemia globale di COVID-19, lo sviluppo e la rapida diffusione di vaccini a mRNA hanno evidenziato il ruolo critico delle nanoparticelle lipidiche (LNP) nel contesto dei prodotti farmaceutici. Utilizzati come veicoli essenziali per il rilascio di terapie e vaccini fragili basati su RNA, gli LNP proteggono l'RNA dalla degradazione e garantiscono un rilascio efficace all'interno del corpo.
Nonostante la loro importanza fondamentale, la produzione su larga scala di questi LNP ha riscontrato numerosi colli di bottiglia durante la pandemia, sottolineando la necessità di tecniche di produzione scalabili in grado di tenere il passo con la domanda globale.
Ora, in un articolo pubblicato negli Proceedings of the National Academy of Sciences , i ricercatori dell'Università della Pennsylvania descrivono come la piattaforma Scalable Lipid Nanoparticle Generation (SCALAR), una piattaforma riutilizzabile basata su silicio e vetro progettata per trasformare il panorama della produzione di LNP per terapie e vaccini a RNA, offra una soluzione scalabile ed efficiente per le sfide esposte durante la crisi COVID-19.
"Siamo entusiasti di creare una piattaforma tecnologica che colma il divario tra la scoperta su piccola scala e la produzione su larga scala nel campo dei vaccini e delle terapie con nanoparticelle lipidiche di RNA", afferma il coautore Michael Mitchell, professore associato di bioingegneria in la Scuola di Ingegneria e Scienze Applicate della Penn. "In questo modo, abbiamo effettivamente scavalcato le barriere ingombranti, lunghe e costose che rallentano l'incremento della produzione di nuovi promettenti farmaci e vaccini a base di RNA."
La complessità delle terapie basate sull'RNA richiede che l'RNA sia racchiuso in un sistema di rilascio in grado di superare gli ostacoli biologici del corpo. Gli LNP svolgono questo ruolo, consentendo all'RNA di raggiungere le cellule previste per il massimo impatto terapeutico. SCALAR mira a fare un ulteriore passo avanti, consentendo una scalabilità senza precedenti di tre ordini di grandezza nei tassi di produzione LNP, affrontando i colli di bottiglia in termini di velocità e coerenza che ostacolano i metodi esistenti.
Sarah Shepherd, la prima autrice dell'articolo e una recente Ph.D. laureato che ha lavorato presso il Mitchell Lab, afferma:"Con SCALAR, non stiamo solo reagendo alle sfide di oggi, ma ci stiamo preparando in modo proattivo per le opportunità e le crisi di domani. Questa tecnologia è flessibile, utilizza architetture di miscelazione ben documentate nella microfluidica ed è sufficientemente scalabile per soddisfare le esigenze future in tempo reale. Si tratta di un enorme passo avanti per il settore."
Shepherd afferma che SCALAR si basa sul lavoro precedente del laboratorio Mitchell e si basa su una piattaforma di chip microfluidici. Simile a un chip di computer, in cui il circuito elettricamente integrato di un computer ha numerosi piccoli transistor che trasportano segnali come uno o zero per produrre un output, il microchip SCALARE controlla con precisione i due reagenti chiave, lipidi e RNA, per generare LNP.
Inoltre, la loro piattaforma può avere una, 10 o 256 unità di miscelazione individuali per corrispondere ai casi di necessità d'uso che vanno dallo screening e sviluppo di farmaci su piccola scala, alle formulazioni di media scala per studi in vivo, alle formulazioni su larga scala formulazioni per applicazioni cliniche.
Per garantire la coerenza su tutte le scale, per tutti i dispositivi viene utilizzata la stessa architettura di miscelazione microfluidica e, per garantire che i due reagenti chiave siano distribuiti uniformemente su ciascun dispositivo nell'array, il team ha integrato microcanali ad alta resistenza fluidica nel progetto per seguire quanto stabilito in precedenza regole di progettazione per dispositivi microfluidici su larga scala. Ciò garantisce che ciascun dispositivo nell'array multi-unità produca LNP con caratteristiche fisiche identiche, un attributo chiave nel settore farmaceutico strettamente regolamentato.
"Siamo entusiasti di aver potuto utilizzare la camera bianca del Singh Center per fabbricare chip multiuso in grado di resistere al calore elevato e ai solventi aggressivi necessari per pulire i chip, rendendoli riutilizzabili in modo sicuro", afferma Shepherd.
I chip SCALAR sono realizzati in silicio e vetro, che offrono numerosi vantaggi rispetto alle piattaforme esistenti basate su polimeri. Non solo prevengono i problemi di lisciviazione dei materiali associati a queste piattaforme, che portano alla contaminazione, ma consentono anche la sterilizzazione a temperature estremamente elevate, rendendoli ideali per applicazioni farmaceutiche. Inoltre, la piattaforma può essere ripristinata e riutilizzata, offrendo vantaggi ambientali e riducendo i costi di produzione complessivi.
Anche se inizialmente i ricercatori hanno utilizzato la piattaforma SCALAR per formulare vaccini LNP mRNA con codifica picco SARS-CoV-2, ritengono che le applicazioni siano molto più ampie.
"Oltre a risolvere un'esigenza attuale e critica dell'industria farmaceutica, il lavoro di Sarah è una combinazione virtuosistica di tecnologie di microfabbricazione, microfluidica e nanoparticelle lipidiche", afferma il coautore David Issadore, professore di bioingegneria presso la Scuola di Ingegneria e Scienze Applicate alla Pennsylvania. "Ci sono pochissimi studenti che avrebbero potuto realizzare qualcosa di così ambizioso nell'arco di un dottorato."
"Questa tecnologia ha il potenziale per diventare una pietra miliare nel campo della nanomedicina, oltre alle terapie basate sull'RNA", afferma Mitchell. "La scalabilità e l'adattabilità dei chip SCALAR potrebbero renderli il coltellino svizzero nel kit di strumenti per la produzione farmaceutica di nanoparticelle lipidiche di RNA."
Ulteriori informazioni: Sarah J. Shepherd et al, Produzione scalabile di produzione di vaccini con nanoparticelle lipidiche mRNA SARS-CoV-2, Atti dell'Accademia nazionale delle scienze (2023). DOI:10.1073/pnas.2303567120
Informazioni sul giornale: Atti dell'Accademia Nazionale delle Scienze
Fornito dall'Università della Pennsylvania
