一种疫苗即使在生物学性能上非常出色，也可能难以实际配送。如果它需要深度冷冻保存，每一次交接都很重要：生产商、运输方、诊所、临时储存设备，以及注射前最后几个小时。一次温度偏离，就可能让一剂昂贵的疫苗变成废品，即使产品外观看起来完全正常。

研究人员在生物医学实验室中检查真空干燥设备旁的疫苗小瓶。

这个物流问题对信使 RNA 疫苗尤其重要。RNA 分子本身很脆弱，用来保护它并把它送入细胞的脂质纳米颗粒也有稳定性极限。因此，现有 mRNA 产品依赖严格控制的储存和运输条件。美国疾病控制与预防中心表示，储存和处理是保持效力、避免不必要的再次接种以及减少供应浪费的关键；其更新后的指南还警告，除非公共卫生部门或生产商确认产品仍然安全有效，否则不要使用曾处于推荐温度范围之外的产品（CDC 储存与处理指南）。

一项于 2026 年 9 月 28 日发表在《自然·生物技术》上的研究，描述了一种让这个难题中最棘手的部分更易处理的方法。麻省理工学院研究人员使用数据高效的机器学习算法，选择经批准的辅料——加入配方中的糖、盐和聚合物——以及它们在含 mRNA 脂质纳米颗粒周围的组合和比例。经过真空干燥后，其中一种配方在室温下最长一年保持稳定，在 37°C（约 98°F）下保持两个月。在小鼠实验中，储存后的材料产生了与以原始 Moderna 疫苗为模型的新鲜配方相当的免疫反应。

这是有用的进展，但还不是药房里出现常温稳定疫苗，也不意味着任何 mRNA 疫苗现在都能放在炎热房间里。更准确的理解是：这是一项配方与开发方面的进步，一种更聪明地搜索大型化学设计空间的方法，随后得到的动物实验结果则说明值得继续测试。

瓶颈在递送颗粒，不只在 RNA

信使 RNA 是一种指令，而不是传统意义上的药物分子。进入合适的细胞后，它可以指示细胞制造目标蛋白，让免疫系统学会识别该目标。但未受保护的 RNA 很快会降解，也难以穿过细胞膜。通常由多种脂质成分组成的脂质纳米颗粒，提供了一个临时的保护性载体。

这个载体必须同时完成多项任务。它要在储存期间容纳 RNA，保护 RNA 免受化学和物理损伤，在适当条件下释放 RNA，并在注射后帮助把有效载荷送入细胞。改善其中一项性能，可能损害另一项性能。储存时保护得更充分，并不一定更好；如果颗粒因此在体内释放 RNA 的效率下降，整体效果反而可能变差。

高温会加速许多降低性能的过程。含水量、氧化、水解、聚集，以及颗粒物理状态的变化，都可能产生影响。干燥可以减慢部分反应，但在不破坏复杂纳米颗粒结构的情况下完成干燥，本身就是技术挑战。因此，答案并不只是“加入防腐剂”或“提高温度”。真正需要平衡的是成分、比例、干燥条件、包装，以及特定的 RNA 有效载荷。

实际结果是，冷藏会成为产品设计的一部分。对资源充足的卫生系统来说，这可能意味着专用冰柜、经过校准的监测设备、备用电源和精心管理的运输。对必须把疫苗送到偏远诊所或临时接种点的接种活动来说，这可能意味着能安全存放一剂疫苗的地点更少。如果能降低这一要求的严苛程度，并不能解决所有配送问题，但可能移除其中一个格外脆弱的环节。

麻省理工学院团队做了什么改变

研究人员希望改进与 Moderna 和 Pfizer-BioNTech 疫苗所用脂质纳米颗粒相关的配方，而不是从完全不同的递送平台重新开始。这一选择很重要。一种只有依靠陌生颗粒才能稳定的配方，仍可能需要经过漫长的生产、毒理学和监管评估。采用与既有疫苗系统相似的平台，可能让最终的开发问题更容易比较和理解，但并不会消除这些问题。

团队首先评估了近 50 种获得美国食品药品监督管理局批准的辅料。每种候选辅料都被加入脂质纳米颗粒，并测试其保存编码萤火虫荧光素酶 mRNA 递送能力的效果。接受有效颗粒的细胞会发光，为研究人员提供了一个可测量的读数，用来判断 mRNA 是否仍具有功能。

初步筛选把较长的候选名单缩减为五种有希望的辅料。随后，机器学习系统提出需要测试的比例。研究人员完成一小批实验，把结果返回给算法，再利用更新后的预测结果选择下一组组合。这是一种迭代式实验设计：软件没有取代实验室工作，而是选择最有信息价值的实验。

麻省理工学院表示，经过几周内的数轮实验，团队获得了一种有希望的配方。在使用算法之前，研究人员花了数月尝试各种组合，却没有达到目标稳定性。该模型的价值在于，它能够从少量测量结果中学习，而不必穷举每一种可能的混合物。

这一点很重要。“人工智能设计”容易让人以为系统独立发明了一种疫苗，但事实并非如此。生物学目标、纳米颗粒平台、候选成分、实验、质量测量和动物测试，仍然由人设计并在实验室完成。算法的作用，是帮助研究人员在一个边界明确的配方问题中寻找方向。

研究报告的储存结果

在主要测试中，研究人员把新冠病毒 mRNA 抗原封装进选定的脂质纳米颗粒，并通过真空干燥制成固体材料，使其更能承受储存。随后，他们让材料在室温下储存一年，或在 37°C 下储存两个月。

把储存后的材料注射给小鼠时，它产生的免疫反应与接受相应新鲜配方的小鼠相当。研究人员还制备了含有 SARS-CoV-2 抗原的固体微针贴片。在动物实验中，贴片产生的免疫反应与可注射 RNA 配方相近。

研究还报告称，这种方法可以调整到另一种类似 Pfizer-BioNTech 系统的脂质纳米颗粒配方。其成分与团队的 Moderna 类配方相同，但使用了不同的比例。这一结果支持了这样一种看法：该方法并不局限于某一套完全固定的颗粒配方。不过，每种配方仍需要单独验证。

与笼统地声称“室温稳定”相比，具体温度更有意义。25°C 和 37°C 会造成不同的应力；能够在某一温度下通过受控测试的配方，在反复升温和降温、暴露于湿气、震动、光照或长距离运输过程中，表现可能不同。论文的结果之所以有价值，正是因为它规定了明确的时间—温度测试。不能把它扩大解释为成品在所有现实环境下都安全。

为什么这可能影响新冠以外的疫苗

最直接的好处会体现在物流上。要求较低的产品可能更容易通过没有超低温设备的地区，减少意外温度偏离后产生的损失，并简化临时接种点的工作。在电力不稳定、距离遥远，或卫生工作者必须把物资带到传统冷链基础设施之外的地方，这种优势可能最明显。

同样的配方思路，也可能对尚未大规模部署的疾病疫苗产生作用。一种新疫苗如果能生产出来，却无法在病例发生的地方储存和配送，就没有足够的实际价值。耐热性可能让开发者在研发早期就考虑更多递送路线和更灵活的接种活动设计。

研究人员还指出了微针贴片的可能性。带有可溶或固体微针的贴片，理论上可以简化给药，减少对受过注射训练人员的依赖，并让自行接种或社区分发更容易。这些是合理的开发目标，但不是本研究已经确立的临床结果。贴片仍必须满足剂量均一性、皮肤穿透、耐受性、生产质量和安全处置等要求。

这种方法的应用范围可能不止疫苗。mRNA 和其他核酸疗法同样需要递送载体，一些控释颗粒或固体药物产品也要求在较高温度下保持稳定。只要可能的配方数量很多，而每次实验又昂贵或耗时，数据高效的辅料优化方法就可能派上用场。

不过，真正衡量成功的单位不是纳米颗粒本身，而是完整产品：特定的 RNA 序列、特定的颗粒组成、特定的干燥工艺、特定的小瓶或贴片，以及经过验证的有效期声明。一种配方成功，并不会自动转移到每一种有效载荷上。

这项研究尚未证明什么

最大的限制在于，证据仍处于临床前阶段。免疫反应比较是在小鼠而不是人身上完成的。该结果没有确立人体安全性、临床保护效果、剂量要求、不良事件发生率，也没有确立保护效果的持久性。它同样没有说明，耐热配方在人类婴儿、老年人、免疫功能受损者或其他免疫反应可能不同于实验动物的群体中，会表现得完全一样。

这项研究没有确立商业产品的有效期。在室温下受控储存一年、在 37°C 下储存两个月，并不等同于一套监管稳定性资料。开发者通常需要跨多个批次、更长观察期、不同包装配置、不同生产规模和运输条件的数据。他们还需要定义可接受的效力限值，并证明产品在声明的有效期内始终处于限值范围。

研究使用了真空干燥。这意味着增加了一个生产步骤。在研究实验室中有效的产品，必须在更大批量生产时保持一致，装入合适的容器，避免受潮，并以能够保留性能的方式复溶或使用。规模放大可能改变混合、干燥和颗粒性质，也可能改变成本、产能和质量控制要求。

研究目标是稳定性，但稳定性只是疫苗质量特征的一部分。研究人员还必须监测颗粒大小、包封率、释放行为、RNA 完整性、杂质、无菌性、效力，以及辅料或干燥工艺是否改变人体反应的可能性。一种配方即使保留了较强的实验室信号，也可能在后续开发中因为其他原因失败。

还有一个概念上的限制：“室温”并不是一种统一环境。仓库、车辆、诊所和密封包装内部的温度可能有很大差异。湿度和阳光也可能产生影响。反复温度循环可能比一次稳定温度下的暴露更具破坏性。最终产品标签需要说明具体条件，而不是给人一种可以忽略储存要求的非正式许可。

未来减轻冷链压力，今天仍须遵守冷链规范

在一种耐热产品获得许可、其储存说明正式改变之前，现行疫苗指南仍然有效。CDC 指南要求供应方遵循产品专属说明；对于曾处在推荐温度之外的剂量，除非生产商或公共卫生部门确认其状态，否则不要使用。研究结果不能推翻获批疫苗的标签。

这种谨慎并不与好消息矛盾，反而是这项进展最终能够发挥作用的原因。可靠配送依赖经过测量的条件、经过验证的容器和清晰的规则。如果未来的 mRNA 产品能够承受更宽的温度范围，这个范围必须得到证明和记录，而不能从一篇有希望的论文中推断出来。

经济效益也需要检验。减少冰柜运行时间和专门运输可能降低成本，但真空干燥、防潮包装、质量检测和贴片生产也可能带来新的支出。最好的产品不一定是耐受温度上限最高的产品，也可能是能够在保持效力、让给药更容易的同时，降低整个系统复杂度的产品。

可及性同样重要。一种能够经受高温的配方，并不会自动到达最需要它的社区。生产能力、知识产权、采购合同、当地监管审查、受训人员和资金，都会影响技术改进能否转化为公共卫生改进。

关于人工智能参与药物开发的真正启示

这项研究最值得注意的地方，不是模型凭空给出了答案，而是小样本算法帮助研究人员决定在一个穷举法成本很高的问题中下一步测试什么。配方开发经常涉及材料组合，而材料之间的作用可能是非线性的。测试所有可能组合需要数月，许多实验提供的信息却很少。一个能够从精心选择的测量中快速学习的模型，可以让搜索过程更高效。

这是机器学习较为务实的角色。算法没有消除物理实验、动物研究、生产控制或临床试验的必要性，而是帮助研究人员把实验力量集中到设计空间中更有希望的区域。结果是一种更好的候选配方，而不是一款已经完成的药物。

随着人工智能被用于生物学设计，这一区分会越来越重要。只有当基础测量有意义，并且预测出的配方能够在训练数据之外的测试中存活下来时，预测才真正有价值。实验昂贵时，小数据集可以成为优势，但也可能使模型对缺失变量和测量噪声更加敏感。团队的迭代循环之所以有效，是因为预测会不断与实验室结果进行核对。

在这一具体应用中，这种工作流还提供了一种实用的可审查性。研究人员可以记录起始候选物、测量结果、模型提出的方案、实际选择的实验，以及某种配方能够继续推进的原因。这份记录并不能保证产品一定有效，但比起声称某个不透明系统“发现”了稳定疫苗，它更容易让人检查整个开发过程。

接下来需要观察什么

接下来的里程碑相当明确。研究人员需要测试更多 RNA 有效载荷，比较更多储存和运输条件，考察其他纳米颗粒配方，并在更大生产规模下重复结果。他们还需要证明，干燥后的材料能够被稳定包装、运输和给药。

对于微针贴片，问题包括剂量准确性、皮肤递送、局部反应、用户接受度和生产收率。对于可注射产品，问题包括复溶、无菌性、容器密封，以及耐热配方是否改变体内分布或免疫反应。两类产品都必须通过临床研究，在人群中确立安全性和有效性。

监管机构和生产商还会关注实验室读数与真实产品质量之间是否存在清晰关系。荧光素酶检测很适合用来筛选，因为它测量的是细胞是否接收到具有功能的 mRNA，但它本身不是临床终点。小鼠的免疫反应令人鼓舞，却不能替代人体试验结果。

如果这些步骤顺利完成，收益可能会出现在并不引人注目的地方：丢弃的疫苗剂量减少，运输规划更简单，外展接种诊所更灵活，RNA 疫苗也能在更多环境中使用。与其说这项进展“结束了冷链”，不如说它为降低冷链中某一部分的要求提供了一条可信路径。

因此，真正的进展有两方面。第一，这种配方在当前 mRNA 产品难以承受的高温条件下保留了疫苗活性；第二，小样本算法帮助研究人员找到配方，而不必测试每一种可能的混合物。两项结果都仍处于早期阶段。合在一起，它们让一个实际的开发难题——让脆弱的生物药物在理想储存条件之外仍然可用——变得更可测量，也更适合通过工程手段解决。

来源