MIT利用AI算法优化RNA疫苗配方，实现室温稳定保存一年

一句话看懂：MIT 团队用一套适合小数据集的 AI 算法筛选脂质纳米颗粒配方，让 mRNA 疫苗在室温下稳定保存最长一年、在接近 37.8°C 环境下稳定两个月，小鼠实验中免疫反应与现有 mRNA 新冠疫苗相当。

事件核心：发生了什么

这项研究由 MIT 科赫综合癌症研究所的 Ana Jaklenec 和 Robert Langer 担任资深作者，研究生 Jinbi Tian 与博士后 Khanh Tran 为共同第一作者，论文于 2026 年 9 月 28 日发表在《Nature Biotechnology》。团队与 MIT 计算机科学与人工智能实验室（CSAIL）合作，开发了一种能基于极小数据集做预测的机器学习算法，用来优化包裹 mRNA 的脂质纳米颗粒（LNP）配方。

结果是：采用新配方的 RNA 疫苗可在室温下稳定保存长达一年，在约 100°F（接近 37.8°C）下保存两个月。小鼠实验中，其免疫反应与类似 Moderna 的 mRNA 新冠疫苗相当。关键点在于，AI 算法大幅减少了所需实验次数，加速了配方筛选过程。

为什么重要

mRNA 疫苗此前已被证明对新冠有效，并正在被开发用于癌症等疾病，但 RNA 分子极其脆弱，必须依赖 -20°C 至 -80°C 的超低温冷链。这严重限制了向缺乏冷藏设施地区的分发，也阻碍了微针贴片等新给药方式的落地。此次成果的意义不在于发明新疫苗，而在于让已被 FDA 批准的 LNP 配方变得更耐热——这意味着现有 mRNA 疫苗平台可能在不重建供应链的前提下获得更广的部署能力。

从技术路线看，这也是 AI 在生物制造中“小数据建模”能力的一次验证：不是靠堆算力或大数据，而是用算法在实验成本高昂的场景里做高效搜索。

对用户/开发者/创作者的影响

对生物医药和 AI for Science 方向的开发者而言，这项研究提供了一个可复用信号：在实验数据稀缺、单次实验成本高的领域，轻量级算法配合小数据集可能比通用大模型更实用。它不涉及公开 API 或开源模型，但指出了 AI 应用的一个具体落点——配方优化、材料筛选、工艺参数搜索。对内容创作者和行业观察者来说，值得注意的不是“AI 造疫苗”的叙事，而是 AI 正在进入监管严格、验证周期长的实体产业环节。