麻省理工学院的研究人员已经提出了解决小分子药物药动学限制的方法。这些药物通常用于治疗一些疾病,但它们的疗效往往因身体对这些药物的反应而丧失。然而,研究表明,由脂质或聚合物制成的纳米颗粒,当它们由药物的非活性成分与小分子药物组合而成时,可以消除这个问题。但是这些并列物很难产生,所有的组合都没有足够的药物储存能力。


因此,这种情况需要一种自动筛选和识别合适的纳米颗粒的技术。麻省理工学院的研究人员正在尝试使用机器学习的各个方面,使这种识别过程成功。本研究的负责人丹尼尔·雷克曾表示,“通过在数据科学、机器学习和药物交付的界面上工作,我们希望能够迅速扩展我们的工具集,以确保一种药物到达它需要的地方,并能真正治疗和帮助人类。”


实验的细节


据报道,研究人员已经试验了210万对,并确定了100种新的纳米颗粒,可用于治疗疟疾、病毒感染、真菌病、癌症和哮喘。它们主要研究纳米配方过程中活性成分的积极作用。

麻省理工学院的研究人员正在用数据分析来提高小分子药物的有效性

为了开发适合本实验的机器学习算法,研究人员建立了一个大的数据集。他们选择了16种自聚集小分子药物,并将它们与一组不同的90种广泛可用化合物结合在一起。他们已经确保药物和成分都是FDA批准的,这样产生的纳米颗粒将更可能通过FDA批准的试验。实验结束后,所有的纳米颗粒都在科赫研究所的斯旺森生物技术中心进行了测试。他们在机器人的帮助下,一次向纳米井板装载384个样品。机器学习平台目前培训1440分。该平台筛选出788种含有2600种非活性药物成分的小分子药物,该平台已能够从210万个可能的组合中识别38464个潜在的自组装纳米颗粒。


癌症治疗的新优势


所选纳米颗粒之一是索拉非尼,它对晚期肝癌有帮助,并与甘草酸苷结合使用,甘草素是甘草调味常用的。尽管索拉非尼是一种用于癌症治疗的药物,但其效果有限,但复合纳米颗粒的作用比原药好两倍,因为该药物能够进入细胞的数量更多。新发明是在肝癌模型小鼠身上进行的,与单独治疗索拉非尼相比,它们似乎寿命更长。


定制服务


除了提高药物的有效性外,这个特殊的机器学习平台还可以定制适合个体患者需求的非活性化合物。一些不活跃的成分常常会导致患者过敏反应。借助于这种先进的机器学习工具箱,可以很容易避免这种情况。雷克进一步通过说“我们现在有机会考虑将分娩系统与患者相匹配”,他相信药物吸收、遗传学以及过敏等问题可以减少。


在加快药物设计速度方面,这一创新性实验将是一个突破性的实验。研究小组还愿意为那些不太适合标准配方的人制造药物。使用数据分析可以使他们成功地对药物过程进行微观的研究。

免责声明

我来说几句

不吐不快,我来说两句
最新评论

还没有人评论哦,抢沙发吧~