AI 기반 mRNA 지질나노입자 제형 품질 최적화 및 GMP 공정

AI-driven mRNA-LNP formulation quality optimization and GMP process development

연구 내용

XGBoost/Bayesian 최적화와 self-validated ensemble로 mRNA 지질나노입자의 조성과 공정을 예측·검증하여 입자 크기, Zeta potential, 캡슐화 효율 등 품질 속성을 제어하는 연구

mRNA 치료제의 제형 품질을 좌우하는 지질 조성 및 공정 조건을 데이터 기반으로 연결하는 연구를 수행합니다. 입자 크기, PDI, Zeta potential, pKa, 열 거동, 캡슐화 효율, 회수율, 캡슐화된 mRNA 등 핵심 품질 특성을 정의하고, I-optimal design, Bayesian optimization, self-validated ensemble과 같은 모델링으로 공정-품질 관계를 예측합니다. 또한 PEGylation 비율에 따른 생물물리 특성을 확인하고, 분석법에 analytical QbD를 적용해 HPLC CAD의 로버스트성을 높이는 방향으로 GMP 생산 공정 설계에 적용합니다. 디지털 트윈 및 제조 전 주기 관점의 AI 활용 전략도 함께 검토합니다.

관련 프로젝트

5건

연구 흐름

초기에는 mRNA 지질나노입자(LNP)의 조성-공정 변수와 품질 특성의 관계를 실험 기반으로 규명하고, XGBoost/Bayesian 최적화 및 self-validated ensemble로 목표 품질을 만족하는 조성 예측 모델을 구축했습니다. 이후 PEG 함량 변화에 따른 수계 시스템에서의 생물물리 지표를 비교하여 설계 범위를 확장했습니다. 동시에 분석법과 제조 공정의 로버스트성을 analytical QbD 관점에서 정리하고, HPLC CAD 방법을 최적화하여 품질 관리 체계를 강화했습니다. 최근에는 동결건조 안정화, GMP 생산 장비 설계, 디지털 트윈 관점의 제조 최적화까지 연구 궤적을 확장하고 있습니다.

활용 가능성

활용 가능성은 알앤디써클 특화 AI 에이전트가 생성한 내용으로, 실제 연구 가능 여부는 연구실과의 논의가 필요합니다.

mRNA-LNP 조성 스크리닝 자동화
GMP 배치 품질 예측 모델
LNP 공정 파라미터 최적화
analytical QbD 기반 HPLC CAD 정량
PEGylation 조건 설계
동결건조 안정화 제형 레시피
마이크로플루이딕스 대량생산 공정
품질 속성-공정 속성 매핑
실시간 공정 모니터링 전략
디지털 트윈 기반 제조 운영