ИИ-платформа TuNa-AI проектирует наночастицы для улучшенной доставки лекарств

Инженеры-биомедики из Университета Дьюка разработали платформу, которая сочетает автоматизированные методы «мокрой» лаборатории с искусственным интеллектом (ИИ) для проектирования наночастиц для доставки лекарств. Этот подход может помочь исследователям эффективнее доставлять сложные для инкапсуляции терапевтические средства.

В качестве доказательства концепции команда использовала платформу для создания наночастиц, способных доставлять сложную для инкапсуляции терапию против лейкоза, и оптимизировала дизайн вторых противораковых наночастиц. Исследование опубликовано в журнале ACS Nano.

Хотя ИИ-инструменты успешно применяются на ранних стадиях открытия лекарств, их использование для более поздних этапов разработки, таких как оптимизация безопасности формул и механизмов доставки, остается малоизученным.

«При создании наночастицы её эффективность зависит не только от рецепта, но и от количества различных ингредиентов, включая как активный препарат, так и неактивные материалы», — пояснил аспирант Цзилу Чжан. Существующие ИИ-платформы могут работать только с одним из этих аспектов, что ограничивает их общую эффективность.

Например, современные модели машинного обучения обучаются на больших наборах данных с фиксированными соотношениями материалов, что не позволяет алгоритмам изучать, как разные пропорции могут повысить эффективность систем доставки.

«ИИ может помочь нам определить перспективные молекулы для доставки, но если не смешать их с препаратом в определенном соотношении, стабильная наночастица не сформируется», — добавил профессор Дэниел Рекер.

Чтобы решить эти проблемы, Рекер и Чжан создали новую платформу TuNa-AI (Tunable Nanoparticle guided by AI). С помощью автоматизированной системы жидкостной обработки команда создала набор данных из 1275 различных формул, состоящих из разных терапевтических молекул и эксципиентов (неактивных веществ, улучшающих физические свойства и абсорбцию препарата).

«Используя робототехнику, мы смогли очень систематично комбинировать множество различных ингредиентов во множестве разных рецептов», — сказал Чжан. «Наша ИИ-модель смогла проанализировать эти данные о работе материалов в разных условиях и экстраполировать эти знания для выбора оптимизированной наночастицы».

Команда обнаружила, что их модель TuNa-AI привела к увеличению успешного формирования наночастиц на 42,9% по сравнению со стандартными подходами.

В первом случае платформа успешно сформулировала наночастицу, которая эффективнее инкапсулировала венетоклакс — химиотерапевтический препарат для лечения лейкоза. Наночастицы венетоклакса показали улучшенную растворимость и более эффективно останавливали рост клеток лейкоза in vitro по сравнению с чистым, неинкапсулированным препаратом.

Во втором исследовании ИИ-платформа также позволила сократить использование потенциально канцерогенного эксципиента на 75% в формуле другого химиотерапевтического препарата, сохранив его эффективность и улучшив биораспределение в моделях на мышах.

«Мы показали, что TuNa-AI можно использовать не только для идентификации новых наночастиц, но и для оптимизации существующих материалов, чтобы сделать их безопаснее», — сказал Чжан.

Команда планирует расширять платформу для работы с другими типами биоматериалов и сотрудничать с исследователями для улучшения доставки лекарств при трудноизлечимых заболеваниях.

«Эта платформа — большой фундаментальный шаг для проектирования и оптимизации наночастиц для терапевтических применений», — заключил Рекер. «Теперь мы смотрим в будущее, чтобы лечить болезни, делая существующие и новые терапии более эффективными и безопасными».