大型语言模型辅助的基因毒性金属纳米平台用于骨肉瘤治疗
Qingxin Fan1,2, Yunxiang He3,4, Jialing Liu5
1Department of Orthopedics Surgery, The First Affiliated Hospital of Chongqing Medical University, Chongqing Medical University, Chongqing, 400016, China.
Small (Weinheim an der Bergstrasse, Germany)
|December 13, 2024
概括
使用人工智能的新方法确定了gossypol,一种天然化合物,在临床前模型中有效治疗骨肉瘤 (骨癌). 这种方法开发了有针对性的纳米粒子,可以杀死癌细胞,而不损害健康的组织或生育能力.
科学领域:
- 生物材料工程 生物材料工程
- 在瘤学瘤学.
- 人工智能在医学中的应用
背景情况:
- 骨髓瘤是儿童和青少年的主要骨癌,预后不佳,生育能力不佳.
- 开发有效和向治疗骨髓瘤仍然是一个重大挑战.
研究的目的:
- 为了利用一个大型的语言模型 (LLM) 辅助网络 (LLMPN) 平台来设计新的抗骨髓瘤治疗方法.
- 识别有力的天然化合物,并将其设计成针对性纳米药物,用于骨髓瘤治疗.
主要方法:
- 利用GPT-4,一个大型语言模型,选60种多的抗骨髓瘤活性.
- 确定了gossypol作为一个有前途的候选物,并合成了Cu2+-gossypol纳米复合物,其中含有氨酸表面修饰 (CuGOS NPs).
- 在骨髓瘤模型中评估了CuGOSNP的治疗疗效和安全性.
主要成果:
- GPT-4成功地确定了gossypol作为一种优越的抗骨髓瘤化合物.
- 在CuGOS NPs中,显著诱导了骨髓瘤细胞中的遗传变异和细胞死亡.
- 该疗法对初级瘤有治疗效果,并减少了转移,没有系统性毒性或对生育能力的影响.
结论:
- 一个LLM驱动的方法能够有效地发现和工程金属有机纳米平台用于癌症治疗.
- 基于Gossypol的CuGOSNP代表了针对骨髓瘤的有前途,有针对性的治疗策略,具有有利的安全性.
- 这项工作突显了LLMs在加快纳米医学和瘤学的研究和开发方面的潜力.
