AI纳米癌症药物研发者

编译： 季序我博士、张小阳博士

概要

Sloan Kettering institute （简称：斯隆癌研所）的科学家们开发出一个机器学习的方法，用来构建个性化癌症纳米药物。这些微小的颗粒能够帮助癌症药物直达目标，减少药物的副作用、使药效更显著。

在癌症治疗中，众口难调，所以个性化癌症医学的目的是针对每位患者特定的基因构成进行癌症治疗。针对特有遗传缺陷的药物已成为现代癌症治疗的重要组成部分。

但是，几乎所有药物都会产生不必要的副作用，个性化药物也不例外。其中一部分原因是给药的精准度。因为这些药物不仅会到达肿瘤，而且在给药的同时会扩散到身体其他健康组织。

为此，斯隆癌研所的纳米技术专家设计出一种新方法，以减少给药副作用，从而使个性化药物更加精确。

“我们发现一种机器学习算法，能帮助我们设计出有效的纳米药物。通过人工智能设计出的药物可以针对癌症产生更大、更安全、更个性化的打击。”

海勒博士说：“机器学习变得越来越聪明，像你我熟知的自动驾驶技术，还有它在基因组识别上的应用。所以，我们认为，它同样可以帮助我们设计出更好的纳米药物。”

海勒是康奈尔大学医学院的教授，他的专长是使用纳米技术来改进癌症的检测和治疗。

纳米粒子的直径比人头发的千分之一还小。之前，科学家曾使用纳米粒子作为药物载体。但到目前为止，设计它们携带新型癌症药物仍旧困难。

这次，团队发明的智能设计法具有普遍性，它几乎可以将任何种类的药物装进纳米颗粒中。而且，被装的药物能变得更安全、更有效。

用化学结构预测纳米粒子

海勒博士和他的博士后沙梅从观察中发现，有些药物很容易就能组装成纳米粒子，而另一些则不行。他们受到启发，想用倒推的方法追溯出什么性质可以影响药物形成颗粒的能力。因此，他们使用机器学习算法，分析归纳不同种类的数据，随后挑选出那些成药的主要元素。

“根据药物的化学结构，

我们可以非常准确地预测药物能否成药。”

沙梅博士表示，他们还可以使用同样的逻辑反推，设计出易于成药的药物分子。

新的纳米粒子与之前的纳米粒子有明显不同。过去，纳米粒子的主要成分是聚合物，其作用相当于将颗粒粘合在一起的胶水。而新的纳米粒子中近90％的成分是药物，所以它们的药物百分比得到有效提高。

助力癌症药物

为了证明纳米粒子的有效性，斯隆癌研所的科学家用MEK抑制剂作为首批实验对象。由于具有共同的分子靶标，MEK抑制剂针对的癌症类型包括胰腺癌和肺癌。但给药后，MEK抑制剂会损害正常皮肤细胞，引发严重的皮疹。所以，现有的处方给药计量很有限。

在小鼠的癌症模型中，包装成纳米颗粒的MEK抑制剂在不损伤皮肤的情况下击中其靶标。

“如果我们将这些新药直接靶向肿瘤、不损伤正常组织，那么它们的药效会更好、副作用也不会那么糟，这是纳米技术在癌症领域的优势。”

此课题由海勒、科德拉和乐渥实验室合作完成，结果刊登在«自然材料»杂志上。

文献：

Matthew Tontonoz, “Special Delivery: Nano-Size Particles Carry Personalized Medicines to Cancer’s Doorstep.” Feb 5, 2018.Sloan Cancer Institute News,www.mskcc.org/blog/special-delivery-nano-size-particles-carry-personalized-medicines-cancer-s-doorstep

Shamay, et al.“Quantitative self-assembly prediction yields targeted nanomedicines.”Nat Mater. 2018 Apr; 17(4):361-368.

______________________________________

欢迎分享

转载需注明“来自‘科技小羊’公众号”

欢迎在科技小羊公号平台微信留言

重要声明：

科技小羊平台提供的信息仅代表个人观点，仅供参考，不承担任何法律责任。科技小羊挑选文章中的内容不能替代专业医生和医务人员的建议，若采纳，请读者自行承担后果和风险。