阿斯利康最新合作研究，AI生成的纳米粒子被证明能够精准地向患病细胞输送药物 - IT思维

公众号/  ScienceAI（ID：Philosophyai）

编辑 | 萝卜皮

对细胞内递送和靶向的了解不足阻碍了基于纳米粒子运输的核酸疗法的开发。机器学习可用于确定与增强递送相关的关键特征，将液相内吞作用识别为有效的细胞进入途径。

卡迪夫大学（Cardiff University）与阿斯利康公司合作进行了一项新研究，利用人工智能创造出能够有效运输药物，并且可以精确瞄准和治疗患病细胞的微观粒子。

该研究以「Understanding Intracellular Biology to Improve mRNA Delivery by Lipid Nanoparticles」为题，于 2023 年 6 月 14 日发布在《Small Methods》。

核酸等治疗方式需要安全有效地递送到特定的细胞内位置才能发挥作用。纳米尺寸的递送系统经过精心设计，旨在解决保护治疗性核酸免遭降解、避免清除机制、分布到目标组织、细胞进入和运输到目标亚细胞位置的挑战。

脂质纳米粒子（LNP）是最成熟的递送系统之一，Onpattro（patisiran）的批准就是例证，这是第一个获批的用于核酸递送的基于 LNP 的纳米药物，以及基于 LNP 的流感和 COVID-19 mRNA 疫苗的快速临床进展。

Onpattro 中使用的 LNP 类型（基于 MC3 的 LNP）导致只有不到 2% 的货物到达正确的亚细胞位置。较新的 LNP 设计已将其提高到 15%，但大部分递送物仍然因被困在降解囊泡（如晚期内体和溶酶体）中而被浪费。由于对细胞内纳米颗粒运输的复杂基础生物学了解有限，进展很大程度上是由以材料为中心的方法推动的，涉及高通量经验筛选递送效率。

卡迪夫大学与阿斯利康公司的联合团队描述了一种以目标生物学为中心的方法，用于优化 MC3-LNP 进行 mRNA 递送，称为细胞内递送的高级细胞和内吞分析 (ACE-ID)。ACE-ID 是一种受现代表型药物发现过程启发的方法，研究人员使用既定的靶点识别方法来了解关键分子靶点、机制和途径，从而提高递送系统的效力。

「我们不断寻找新的、改进的方法在人体中输送药物。纳米颗粒是微小的颗粒，可以充当微观穿梭机，在身体各处运输和递送治疗分子（药物），以到达需要治疗干预的特定部位。」卡迪夫大学药学和药物科学学院的 Arwyn T Jones 教授说，「通过将这些药物分子带到体内的正确位置，纳米颗粒可以帮助治疗几种不同的疾病。」

首先研究人员用 178 个 siRNA 或 233 个小分子，针对他们假设与细胞内递送相关的分子靶标，处理模型癌细胞系 (NCI-H358) 。该团队使用基于图像的功能性 mRNA 递送测定，来确定哪些分子靶点增加 MC3-LNP 递送。

然后，研究人员设计了四种测定法来测量 siRNA 和小分子治疗对纳米颗粒摄取和运输机制的影响，从而确定用于改善递送的具体机制。使用先进的图像分析与机器学习相结合来关联治疗，从而增加 LNP 的功能传递与机械分析中的特定表型特征。由此，研究人员确定巨胞饮作用是改善递送的目标机制。利用这一见解，他们重新设计了 MC3-LNP，以改善体外和体内的递送，展示了如何利用 ACE-ID 来优化纳米药物的细胞内递送。

图示：机器学习可识别对生产交付很重要的细胞表型特征。（来源：论文）

「这项研究表明，机器学习和人工智能可以成为构建更有效的纳米疗法的设计过程中不可或缺的一部分。虽然通过这项研究产生的纳米颗粒属于生物医学研究的一个狭窄领域，但基于计算学习和新型纳米颗粒『航天飞机』的后续设计的新技术被证明是有效的。这意味着这项新技术可用于分析和设计数千种不同类型的纳米粒子，并提供数百种不同类型的治疗分子来针对广泛的疾病。」Jones 教授补充道。

纳米颗粒目前用于医疗，但科学家们通常会制造和测试数百种纳米颗粒设计，然后才能确定最好的纳米颗粒设计，这一过程可能需要数年时间。这种新方法展示了 人工智能 如何快速加速纳米颗粒的开发。

Jones 说：「这种方法获得了有关细胞和细胞中的蛋白质如何调节纳米粒子作为药物输送剂性能的信息。它清楚地表明机器学习可以为有效设计更有效的纳米疗法以更好地靶向和治疗疾病做出重大贡献。」

论文链接：https://onlinelibrary.wiley.com/doi/10.1002/smtd.202201695

相关报道：https://phys.org/news/2023-06-ai-generated-nanoparticles-capable-modern-medicines.html