Инженеры-биомедики из Университета Дьюка разработали инновационную платформу TuNa-AI, которая объединяет искусственный интеллект (ИИ) и роботизированные лабораторные методы для ускорения и оптимизации создания наночастиц, используемых для доставки лекарств. Этот подход открывает новые перспективы для более эффективной и безопасной доставки сложных терапевтических препаратов
Проблема доставки лекарств и ограничения ИИ
Создание эффективного лекарства — это лишь половина дела; не менее важной задачей является его точная доставка к нужным клеткам в организме. Наночастицы служат перспективным средством для инкапсуляции и транспортировки лекарственных препаратов, однако их разработка — сложный процесс. Эффективность наночастицы зависит не только от её состава, но и от точных пропорций активного вещества и вспомогательных компонентов (эксципиентов).
Существующие платформы на базе ИИ успешно применяются на ранних стадиях разработки лекарств для прогнозирования свойств молекул, но их использование для оптимизации состава и механизмов доставки остаётся ограниченным. Большинство существующих моделей машинного обучения либо требуют огромных наборов данных для обучения, либо с трудом различают похожие материалы, что замедляет процесс. Кроме того, они часто не могут одновременно учитывать и состав, и количественное соотношение компонентов.
TuNa-AI: Новый подход к созданию наночастиц
Платформа TuNa-AI (Tunable Nanoparticle platform guided by AI) была создана для преодоления этих трудностей. Разработанная командой под руководством доцента кафедры биомедицинской инженерии Дэниела Рекера и аспиранта Зилу Чжана, она сочетает в себе автоматизированную систему для работы с жидкостями и продвинутый ИИ.
Как это работает:
- Сбор данных: С помощью роботизированной установки команда систематически создала набор данных из 1275 различных рецептур наночастиц, варьируя типы терапевтических молекул и их соотношения со вспомогательными веществами.
- Обучение ИИ: Модель ИИ анализирует полученные данные, изучая, как различные материалы ведут себя в разных условиях. Это позволяет ей выявлять закономерности и экстраполировать знания для прогнозирования оптимальных составов.
- Оптимизация: Платформа способна определять наилучшие соотношения компонентов для создания стабильных и эффективных наночастиц, решая ключевую проблему, с которой не справлялись предыдущие системы.
Впечатляющие результаты и практическое применение
Исследование, опубликованное в журнале ACS Nano, продемонстрировало высокую эффективность TuNa-AI. Платформа показала увеличение успешного формирования наночастиц на 42,9% по сравнению со стандартными методами.
Ключевые достижения:
- Лечение лейкемии: Команде удалось создать наночастицы для доставки венетоклакса — препарата химиотерапии, используемого для лечения лейкемии. Новая формула показала улучшенную растворимость и более эффективно подавляла рост раковых клеток в лабораторных условиях по сравнению с обычным препаратом.
- Повышение безопасности: В другом исследовании TuNa-AI помогла оптимизировать состав другого химиотерапевтического препарата. Платформе удалось снизить использование потенциально канцерогенного вспомогательного вещества на 75%, сохранив при этом эффективность лекарства и улучшив его распределение в организме на моделях мышей.
Как отметил Зилу Чжан, «TuNa-AI может использоваться не только для идентификации новых наночастиц, но и для оптимизации существующих материалов с целью повышения их безопасности».
Будущее платформы
Команда планирует расширить применение TuNa-AI для работы с другими типами биоматериалов для различных терапевтических и диагностических целей. Они активно сотрудничают с исследователями и врачами как в Университете Дьюка, так и за его пределами, чтобы использовать платформу для улучшения доставки лекарств при лечении трудноизлечимых заболеваний.