新的机器学习技术快速分析纳米药物用于癌症免疫疗法

球形核酸(SNAs)具有治疗各种疾病的能力，有望彻底改变医学。但在这些数字设计的纳米结构能够充分发挥其潜力之前，研究人员需要优化其各种组件。

由纳米技术先驱Chad A. Mirkin领导的西北大学团队开发了一种优化这些具有挑战性的颗粒的直接途径，使他们更接近成为许多形式的癌症，遗传疾病，神经系统疾病等的可行治疗选择。

“球形核酸代表了一类令人兴奋的新型药物，已经在用于治疗疾病的五项人体临床试验中，包括胶质母细胞瘤(最常见和最致命的脑癌)和牛皮癣，”SNAs和乔治的发明者Mirkin说。 B. Rathmann西北大学Weinberg艺术与科学学院化学教授。

本周在Nature Biomedical Engineering上发表的一项新研究详细介绍了优化方法，该方法使用库方法和机器学习来快速合成，测量和分析SNA结构的活动和性质。该过程一次筛选了1000多个结构，得到了SAMDI-MS技术的帮助，该技术由研究合着者Milan Mrksich，西北麦考密克工程学院生物医学工程教授Henry Wade Rogers和合成中心主任共同开发。生物学。

SNAs是在西北大学发明和开发的纳米结构，由纳米粒子表面排列的球状DNA和RNA组成。研究人员可以将SNA数字化设计为精确的，个性化的治疗方法，关闭基因和细胞活动，最近，作为刺激机体自身免疫系统治疗疾病(包括某些形式的癌症)的疫苗。

SNA难以优化，因为它们的结构 - 包括粒径和组成，DNA序列和其他分子组分的包含 - 可以在许多方面变化，影响或增强它们在触发免疫应答中的功效。该方法揭示了结构的变化导致生物活性显示出对SNA功效的非显而易见和相互依赖的贡献。因为没有预测到这些关系，所以在一小组结构的典型研究中，它们可能不会被注意到。

例如，刺激免疫应答的能力可取决于纳米颗粒大小，组成和/或DNA分子如何在纳米颗粒表面上取向。

“利用这些新信息，研究人员可以按照重要性和有效性的顺序对结构变量进行排序，并帮助建立SNA有效性的设计规则，”麦考密克工程学院化学与生物工程助理教授Andrew Lee说。作者。

“这项研究表明，我们可以解决SNA设计空间的复杂性，使我们能够专注于并利用SNA最有希望的结构特征，并最终开发出强大的癌症治疗方法，”Mirkin说，他也是国际纳米技术研究所。

在自然生物医学工程论文题为“用新型高通量筛选和机器学习寻址奈米复杂性。” 其他共同作者是西北大学的Neda Bagheri，Gokay Yamankurt，Eric J. Berns和Albert Xue。